voice-dataset-creation

帮原住民社区自主打造语音数据集，守护语言并喂给AI

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 9 👀 关注 5

GitHub ↗

GitHub 星标 ★ 73

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，无在线服务，需自行部署，完全免费。

项目预览

voice-dataset-creation 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐

开发团队hollygrimm

GitHubhttps://github.com/hollygrimm/voice-dataset-creation

定价模式🏷️完全免费

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Jupyter Notebook

技术栈/模型audacity,audition,care-principles,data-sovereignty,indigenous-languages,language-preservation,ljspeech-format,speech-recognition,tts,voice-dataset,voice-recording,whisper

GitHub 星标★ 73

上线时间2020-06-25 00:00:00

代码更新2026-09-29

仓库体积9.5 MB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-09

浏览次数4

项目介绍

这是一个面向语言保护与AI开发的社区主导型语音数据集创建工具，旨在帮助原住民社区和语言保护者收集、整理和发布符合数据主权原则的语音数据。项目解决了传统语音数据采集过程中社区参与度低、数据控制权缺失的问题，提供了一套从录音、标注到格式化的完整工作流。核心能力包括：支持Audacity和Adobe Audition等常用音频编辑软件的集成，遵循LJSpeech数据集格式以兼容主流语音识别/合成模型，内置对CARE原则（集体利益、控制权、责任、伦理）的实践指南，确保数据收集过程尊重社区权益。项目还配套了相关学术论文，为原住民文化表达中的AI技术应用提供方法论支持。通过Jupyter Notebook示例，用户可以学习如何构建高质量、合规的语音数据集，促进濒危语言的数字化保存和AI模型训练。