AMI 会议会议记录包含 100 小时的会议录音
LibriTTS 是一种多语言英语语种，以 24kHz 采样率阅读英语语音约 585 小时，由 Heiga Zen 在 Google 语音和 Google 大脑团队成员的协助下编写。
这个数据集包括109个以英语为母语、带有不同口音的英语使用者说出的语音数据。每位发言者宣读约400句词句，其中大部分来自报纸，加上rainbow passage和旨在识别说话者口音的引语段落。
AISHELL-DMASH 中文普通话麦克风阵列家居场景语音数据库
包括来自 2,784 位作曲家 10,854 首作品的 MIDI 文件，总时长为 1,237 小时
包含十个发言者的话语，每个说话者有350个左右的词句
该数据集中有超过 500 个电影偏好对话，表达了 10,000 多个偏好。
2128维的特征，采样率为1Hz，也就是把音频按秒提取为128维特征。
。包含2351条录音与对齐脚本，452小时的音频，159848条发音词典
包含1495个录音和音频会议、159848条发音词典和部分WMT12公开的语料库以及这些录音的文字转录
时长：118小时
真实录音由 4 个speaker在 4 个嘈杂位置的近 9000 个录音构成
