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 2026-10-27 · 当前星标 ★ 3496
使用教程
⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
环境要求
- 开发环境依赖与版本要求见 docs/DEVELOPMENT.md
- 可访问 GitHub 仓库与 README 中的文档链接
- 本地运行 TypeScript Web 应用所需的前后端环境，具体以开发文档为准
- 参与界面翻译需使用 Mozilla Pontoon 平台
安装与启动步骤
-
1阅读开发文档
README 将安装与启动步骤指向 docs/DEVELOPMENT.md，先按该文档确认环境与命令。
-
2获取项目代码
从 GitHub 仓库获取 common-voice 源码，具体分支与获取方式以开发文档为准。
-
3准备运行环境
按开发文档安装 TypeScript Web 应用所需依赖；README 未列出具体包名和版本。
-
4配置本地服务
按开发文档设置数据库与服务参数；README 未给出配置项，不要自行猜测。
-
5启动 Web 应用
按开发文档执行启动命令；README 未提供可直接复制的启动命令。
-
6验证页面
访问开发文档指定的本地地址，确认录音或审核相关页面可以打开。
-
7参与界面翻译
界面翻译通过 Pontoon 提交，项目不接受直接修改本地化内容的 PR。
如何确认成功
按 docs/DEVELOPMENT.md 的说明启动后，访问文档指定的本地地址确认页面可打开。
常见问题
Q：README 里有安装命令吗？
A：没有。README 只给出开发文档链接，安装与启动需查看 docs/DEVELOPMENT.md。
Q：数据集多久发布一次？
A：README 说明数据集按季度发布，平台代码与句子按月或按需发布。
Q：可以直接提交翻译 PR 吗？
A：不可以。界面翻译需通过 Mozilla Pontoon 平台提交，项目不接受直接修改本地化内容的 PR。
Q：不写代码也能参与吗？
A：可以。README 说明贡献方式不限于写代码，翻译等社区工作也可参与。
注意事项
- README 未提供具体安装、启动命令和配置项，本教程不虚构包名、端口或路径。
- 平台代码与数据集发布节奏不同，部署 Web 应用不等于下载数据集。
- 本地化内容不在代码仓库直接修改，应使用 Pontoon。
- 实际环境要求以 docs/DEVELOPMENT.md 为准。
核心亮点
- 以 CC0 等开放许可发布，可直接用于学术与商业模型训练，授权清晰
- 覆盖大量低资源语言和口音，弥补公开语音数据集语种单一的问题
- 社区交叉校验与投票机制保证录音质量，并提供按语言、版本打包的下载渠道
不足之处
- 数据质量依赖社区活跃度，小众语种的有效录音量和审核覆盖率有限
- 录音以朗读短句为主，与真实对话场景存在分布差异
- 自建部署涉及前端、后端与存储多个组件，运维门槛不低
适用场景
- 训练或微调多语言语音识别模型时获取开放语音语料
- 为低资源语言或方言构建基础语音数据集
- 语音合成与说话人识别研究中的多口音数据补充
替代项目
LibriSpeech、VoxForge、Mozilla DeepSpeech 数据集
同类项目推荐
caselaw-repo-1
开源
一键接入瑞士百年判例，让 AI 秒查法律引用关系
Open Swiss legal corpus + MCP server: 1M+ court decisions (1875–today), 21k laws, 1···
great_expectations
开源
用代码定义数据期望，自动验证并生成文档，让数据质量可控。
Always know what to expect from your data.
DataFlow
开源
用 LLM 算子搭流水线，把脏数据一键变成训练集
[SIGMOD'27] Easy Data Preparation with latest LLMs-based Operators and Pipelines.
OntoAligner
开源
上传两个本体，一键生成语义映射关系。
OntoAligner: A Python Toolkit for Ontology Alignment https://pypi.org/project/OntoAl···
awesome-public-streaming-dataset···
开源
找实时数据源不再靠搜，一页清单直接接入流处理
A list of free datasets that provide streaming data
Awesome-Electrical-Grid-Mapping
开源
一站找齐全球电网地图与数据集，省去到处搜的麻烦
A curated dataset of global electrical grid maps, datasets and resources.
datalad
开源
用Git方式管理大型数据和代码，实现可复现科研
Keep code, data, containers under control with git and git-annex
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.
QURAN-NLP
开源
让古兰经文本轻松接入NLP，快速构建伊斯兰AI应用
Quran, Hadith, Translations, Tafaseer, Corpus Linguistics. Everything for NLP