分享

Microsoft Speech Corpus（印度语言）发行版包含泰卢固语、泰米尔语和古吉拉特语的会话和短语语音训练和测试数据

Frames正是为了鼓励对对话代理的研究，这些代理可以支持复杂环境中的决策，在这种情况下，预订假期包括航班和酒店。

淘宝公开的客服对话语料库，其中包括一个训练数据集，一个验证集和一个测试集，可用于基于检索的聊天机器人开发研究。

Twitter情感文本数据集

数据集是有关COVID-19和其他类型肺炎的医学对话数据集，内容为患者担心自己可能被COVID-19或其他肺炎感染而请教医生，医生提供对应的建议。

由波形文件和 TSV 文件（line_index.tsv）组成。文件行_index.tsv 包含匿名的 FileID 和文件中的音频转录

这是一个性别不平衡的西班牙语语料库，期限为 24 小时。

语料库分为 90 小时清洁和 230 小时的其他质量段加泰罗尼亚自治政府文化部支持编写这一语料库。

是一种韩语语音识别 （ASR） 语种，由 2010 年至 2014 年在韩国举行的韩语 TEDx 会谈产生。

此语料库包含大约 22 小时的非洲口音法语的语音录音。为所有录音提供成绩单。

突尼斯语-MSA语种有11.2小时的演讲时间。

Heroico 语料库 （LDC2006S37） 最初是为了训练西班牙语学习应用中的发音建模声学模型而收集的。