Speech-Corpus-Collection
找语音数据？一个仓库帮你搜罗好语料
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 114
核心亮点
- 集中整理ASR和TTS常用语料库，避免到处搜索
- 按语言、用途等分类，便于快速筛选
- 提供外部链接，可直接访问原始数据源
不足之处
- 项目早期，语料库覆盖范围有限
- 文档/社区待观察
适用场景
- 语音识别模型训练前寻找合适数据集
- 语音合成研究需要多说话人语料
- 对比不同语料库特点以选择训练数据
替代项目
awesome-speech-datasets、OpenSLR、Common Voice
下一篇：POP909-Dataset
同类项目推荐
DeepFish
开源
用真实水下鱼群图像，训练你的鱼类检测与分割模型
JCU DeepFish dataset
system-prompts-and-models-of-ai-···
开源
扒开主流 AI 工具的提示词底牌，直接抄作业
FULL Augment Code, Claude Code, Cluely, CodeBuddy, Comet, Cursor, Devin AI, Junie, K···
yoruba-text
开源
为约鲁巴语AI模型提供高质量训练文本，助力低资源语言NLP落地。
Yorùbá language training text for NLP, ASR and TTS tasks
MAMA-MIA
开源
提供多中心乳腺癌MRI标准数据集，助力AI诊断模型训练与验证
The MAMA-MIA Dataset: A Multi-Center Breast Cancer DCE-MRI Public Dataset with Exper···
BTC-Trading-Since-2020
开源
下载2020年至今的比特币真实交易数据，直接用于策略研究和AI训练
Public BTC trading context since 2020.
fondant
开源
像搭积木一样构建生产级数据处理流水线，让数据准备高效可复用。
Production-ready data processing made easy and shareable
lerobot-dataset-visualizer
开源
浏览器里直接看机器人数据集，训练前先查数据质量
Web application for visualizing robotics datasets in LeRobot format
awesome-object-detection-dataset···
开源
找目标检测数据集，看这一个列表就够了
A collection of some awesome public object detection and recognition datasets.
common-voice
开源
众包录制真人语音，免费下载多语言开放语料
Common Voice is part of Mozilla's initiative to help teach machines how real people ···