该数据集旨在训练英语自动语音识别（ASR）模型，该模型最初在波斯语的Mozilla Common Voice数据集上进行预训练，随后在一个包含五个英文句子和五个波斯文句子的领域内数据集上进行微调。此外，数据集还包括使用预训练的ASR模型转录的自由文本语音，以增强训练数据的质量。同时，该数据集也适用于语音验证任务。
本研究聚焦于为低资源语言创建自动语音识别（ASR）训练数据集，特别以亚美尼亚语有声书为例。数据集Mozilla Common Voice（MCV）包含超过23小时的验证音频样本，涵盖多种语言和方言，特别适合ASR模型训练。该数据集通过众包方式收集，确保了音频的多样性和代表性。创建过程中，研究者采用了独特的数据处理和分割方法，以适应ASR训练的需求。此数据集的应用旨在解决低资源语言ASR系统的性能问
