Interspeech2026-MLC-SLM多语种对话语音竞赛数据集

Interspeech2026-MLC-SLM多语种对话语音竞赛数据集的背景是数据堂在2026年举办了MLC-SLM多语种对话语音竞赛，数据集来自数据堂自有的二十一套对话语音数据集。数据准确性高，易用性强，专为突破多语种语音识别与长上下文理解技术瓶颈而设计，真实捕捉说话者重叠、即兴打断等复杂交互场景，为语音识别相关研究及应用提供了丰富的资源，有助于模型面对真实世界的多样性时能够表现出色。我们严格遵循数据保护法规和隐私规定，确保数据采集、存储和使用的过程中维护用户的隐私和合法权益，所有数据均遵循GDPR,CCPA,PIPL。

数据堂如何保障数据质量与安全

数据规格

格式

16kHz，16bit，未压缩wav，单声道

录音环境

相对安静的室内，无回声

录音内容

给出话题列表，录音人从中挑选多个自己熟悉的话题以确保对话的流畅自然，围绕每个话题展开一段对话并录制

标注特点

标注文本内容、有效句子的起止时间点、说话人标识

设备

安卓手机、苹果手机

语言

美式英语、英式英语、菲律宾英语、澳大利亚英语、印度英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语、泰语、越南语、加拿大法语、巴西葡萄牙语、墨西哥西班牙语、他加禄语、土耳其语、乌尔都语。

样例展示

0:00/ 0:00

And we are going to talk about celebrities so Seville, why don't you tell me some of your favorite celebrities?

0:00/ 0:00

Yeah, I mean speaking of the Kardashians, I just think it's so weird how their career excelled. You know.

0:00/ 0:00

Well, I I mean I I couldn't tell you for sure without actually living it. Maybe for like a week or something.

0:00/ 0:00

Oui bien sûr, j'ai vu surtout euh voilà les couleurs tendances cette année.

0:00/ 0:00

Cent-vingts euros pour une robe que je vais la porter pendant un mariage, je trouve que c'est assez raisonnable franchement.