找语音数据集？一个清单搞定ASR/TTS等语料库导航
这是一个收录可公开获取的语音语料库的清单项目，旨在为语音技术研究与开发提供资源导航。它系统整理了用于自动语音识别（ASR）、语音合成（TTS）、语音情感识别、语音分离等任务的语料库，涵盖多种语言、领域和格式。项目解决了研究者或开发者难以找到合适、合法、可访问的语音数据的问题，通过分类和链接，帮助用户快速定位所需语料，节省调研时间。核心能力包括：按任务类型（ASR、TTS等）分类、提供语料库的访问链接和简要说明、持续更新维护。它是一个社区驱动的资源列表，而非工具或库，适合作为语音项目的数据集选型参考。
⚠ 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。
1打开项目主页
在浏览器访问 GitHub 仓库，直接在线阅读 README 中的语料库清单，无需下载安装。
2克隆仓库到本地
如需离线保存或本地检索清单，可用 git clone 把仓库复制到本机。
git clone https://github.com/coqui-ai/open-speech-corpora.git3进入项目目录
进入克隆下来的目录，查看 README 文件中的语料库表格。
cd open-speech-corpora4按任务查找语料
阅读 README，根据许可证分类（如 CC-0）与语料名称、语言、时长等信息挑选所需数据集。
5访问下载链接
在表格 DOWNLOAD 列点击链接下载语料，注意查看对应 LICENSE 列的授权条款。
浏览器能打开仓库页面并看到 README 中的语料库表格即算成功，无需启动服务。
Q：这个项目需要安装依赖或运行服务吗？
A：不需要。它是纯文本清单项目，没有安装脚本、服务端口或运行命令，直接阅读 README 即可。
Q：如何找到中文或特定语言的语音语料？
A：在 README 表格中查看 LANGUAGES 列，按语言筛选（如 Multilingual、English、Hebrew 等）再选择目标语料。
Q：语料可以商用吗？
A：README 说明所列语料可用于研究或商业用途，但具体以每条语料 LICENSE 列标注的许可协议为准。
Q：发现清单缺少某个语料怎么办？
A：README 欢迎提交补充，可通过 Issues 或 Pull Request 向仓库贡献新的语料条目。
awesome-speech-recognition-speech-synthesis、Kaldi（自带数据准备脚本）、Common Voice（Mozilla开源语音数据集）
open-speech-corpora 是数据集领域的开源项目，由 coqui-ai 开发，2019 年首次发布。
在全站 13,109 个收录项目中，它的 GitHub 星标数（1,402）位列前 30%，在数据集分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。提供语音语料库列表，完全免费，无付费版本。
它主要面向的使用场景是：为ASR模型训练寻找合适的开源语音数据集。同类可对比的替代方案包括 awesome-speech-recognition-speech-synthesis、Kaldi（自带数据准备脚本）、Common Voice（Mozilla…。
上一篇：Koala-36M
下一篇：speech_dataset
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