ml-stuttering-events-dataset 是数据集领域的开源项目，由 apple-aiml-research 开发，2021 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 110。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-18。开源数据集，免费使用。
它主要面向的使用场景是：训练口吃事件检测与分类模型。同类可对比的替代方案包括 sep-28k、FluencyBank。
ml-stuttering-events-dataset
苹果开源口吃语音标注集，直接训练口吃检测模型
ml-stuttering-events-dataset 是苹果公司开源的语音口吃事件标注数据集，配套论文发表于 Interspeech。它针对口吃语音识别与检测研究中缺乏高质量标注数据的问题，提供逐帧标注的口吃事件标签，涵盖重复、延长、阻塞等典型口吃类型。数据来自真实口吃者语音，包含音频与时间对齐的事件边界，便于训练和评估口吃检测、语音识别鲁棒性、语音合成等模型。项目以 Python 提供加载与处理脚本，方便研究者直接接入机器学习流程。核心能力包括：标准化的事件分类体系、可复现的数据划分、与论文实验一致的评测基准。它填补了口吃语音公开资源的空白，适合语音病理学、无障碍语音交互和临床辅助诊断等方向的研究者使用。
开源
free
数据集
GitHub 星标
★ 110
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队apple-aiml-research
所属国家
定价模式free
价格说明开源数据集，免费使用
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型
GitHub 星标★ 110
30天Star增速
HF 下载量
上线时间2021-04-16 00:00:00
最近更新2026-09-18 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0
使用教程
核心亮点
- 提供逐帧口吃事件标注，含重复、延长、阻塞等细分类别，可直接用于监督学习
- 由苹果发布并配套 Interspeech 论文，标注规范与评测基准可复现
- Python 加载脚本开箱即用，便于接入现有语音模型训练流程
不足之处
- 数据规模与说话人数量有限，泛化到不同语言和口音需额外验证
- 仅覆盖语音事件标注，缺少临床严重度评分等更丰富维度
适用场景
- 训练口吃事件检测与分类模型
- 评估 ASR 系统对口吃语音的鲁棒性
- 语音病理学与无障碍语音交互研究
替代项目
sep-28k、FluencyBank
项目介绍
上一篇：ml-hypersim
下一篇：VQASynth
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models