开源语料库集：http://www.openslr.org/resources.php1.中文普通话：

1.1 Aishell (178小时)

数据:http://www.openslr.org/33/(15G)

400个说话者(训练集:340,验证集:40,测试集:20)男186，女214
麦克风(44.1KHZ 16-bit),安卓(16kHZ 16-bit),iOS(16kHZ 16-bit)
人工文本转写准确率在95%以上

kaldi实例：https:///kaldi-asr/kaldi/tree/master/egs/aishell/s5

arm 语音识别 语音识别库_自然语言处理

SOTA: 4.07% training on 8000 hours data.

THE SPEECHTRANSFORMER FOR LARGE-SCALE MANDARIN CHINESE SPEECH RECOGNITION

1.2 AISHELL-2

数据：训练集： 学术申请：aishell.foundation@ 商用申请：bd@aishelldata.com验证集&测试集：http://aishell-eval.oss-cn-beijing.aliyuncs.com/TEST%26DEV%20DATA.zip

训练集：1000小时，全部为iOS系统手机录制16kHZ 16-bit
1991说话者（845男性，1146女性）
文本转录正确率96%以上
验证集：2500 utterances from 5 speakers
测试集：5000 utterances from 10 speakers

kaldi实例：https:///kaldi-asr/kaldi/tree/master/egs/aishell2

arm 语音识别 语音识别库_arm 语音识别_02

SOTA: 3.71%来自依图科技

2.多语言混合

2.1 SEAME（中英混合）

数据 需要购买

66.8小时，来自于自然对话和采访talks。
包含155个说话者，115个新加坡人和40个马来西亚人。
男性女性比例分别为55%和45%。
普通话和英语单语片段比例分别为12%和6%。

分集()：

文件：SEAME-dev-set [github] 参考论文：TOWARDS END-TO-END CODE-SWITCHING SPEECH RECOGNITION

arm 语音识别 语音识别库_深度学习_03

3.其他

3.1 MUSAN

数据：http://www.openslr.org/17/(10G)音频格式： 16KHz语音：60h44m，全部来自公共场合背景的语音 其中：20h21m来自阅读Librivox，一半是英语，其余是11种语言。40h1m来自美国政府部门语音，全部为英语。音乐：42h31m，被分为Western art music (e.g., Baroque, Romantic, and Classical)和popular genres (e.g., jazz, bluegrass, hiphop, etc).。 标签有体裁、表演者、有无vocal。对于Western art music，有作曲者标签。噪音：6h，929种。包括技术性噪音（如，DTMF音调、拨号声、传真机器噪音等）和环境噪音（如，汽车空转声、雷声、风声、脚步声、纸的沙沙声、雨声、动物噪音等），不包括人的交谈声。但有一些是人群的噪音（有模糊的语音）

3.2 RIRS_NOISES

数据：http://www.openslr.org/28/(1.3G)音频格式： 16kHz，16-bit （1）模拟和真实房间脉冲响应、各向同性和点源噪声的数据库。 此数据中的音频文件均为 16k 采样率和 16 位精度。 （2）该数据包括在提交给 ICASSP 2017 的论文“A Study on Reverberant Speech for Robust Speech Recognition”中使用的所有房间脉冲响应 (RIR) 和噪声。它包括来自 RWCP 声音场景的真实 RIR 和各向同性噪声 数据库、2014 REVERB 挑战数据库和亚琛脉冲响应数据库 (AIR)； 生成的模拟 RIR 以及从 MUSAN 语料库中提取的点源噪声。

参考： [1] 希尔贝壳 [官网] [2] AISHELL-2：全球最大中文开源数据库 [语音杂谈] [3] AISHELL-2: Transforming Mandarin ASR Research Into Industrial Scale [论文] [3] 语音识别大战又添明星AI公司：依图联合微软、华为推出两款产品 [新闻] [4] openslr [官网]