【好数推荐】小语种语音数据集

近两年，随着“一带一路”建设的深入推进以及AI和云计算等新兴技术产业迅速崛起，已经有越来越多的中国科技企业实现走出去。然而，对于一些人工智能企业来说，出海之路仍面临诸多难题。首当其冲就是语言问题，准确而清晰的识别语音，是智能产品打开当地市场的基本前提。

小语种，顾名思义即语言覆盖范围小，使用人数少而无法作为国际流通语言，对于小语种语音识别的实现而言，由于不同语言之间差异很大，人工智能厂商需要根据不同的语言特性单独建模，为保证语音识别的效果，就需要运用不同语种的优质数据集进行模型优化，然而高质量小语种训练数据稀缺，成为语音识别的一大瓶颈。

作为全球领先的人工智能的数据服务商，数据堂现有近30个小语种的成品语音数据，可满足多数小语种语音识别的需求，数据堂严格遵守相关规定，所采集的数据均已获得被采集人授权。

德语语音数据  

数据时长近3000小时，德国本土发音人参与录制，录音文本由语言专家参与设计，包括经济、娱乐、新闻、口语、数字、字母等，文本经过人工校对，准确率高，可应用于语音识别、机器翻译、声纹识别等任务。

获取数据样例：https://datatang.com/dataset/info/speech/65

韩语语音数据  

数据时长近2000小时，由来自韩国、朝鲜的本土发音人，在安静无回音的环境的录音数据，录音内容广泛，包括经济，娱乐，新闻，口语，数字，字母等，文本转写句错误率小于5%。匹配主流安卓、苹果系统手机。
获取数据样例：https://datatang.com/dataset/info/speech/60

法语语音数据  

数据时长近1800小时，由法国、加拿大、非洲等地的法语母语发音人参与录制，录音环境安静，录音内容丰富，覆盖经济、娱乐、新闻、口语等多个领域，所有文本由人工转写，句准确率达95%，可应用于语音识别、机器翻译、声纹识别等任务。

获取数据样例：https://datatang.com/dataset/info/speech/114

西班牙语语音数据  

数据时长近3000小时，由西班牙、墨西哥、委内瑞拉等国的西班牙语母语人员参与录制，录音环境安静，录音内容丰富，覆盖经济、娱乐、新闻、口语等多个领域，文本经过人工校对，准确率高，可应用于语音识别、机器翻译、声纹识别等任务。

获取数据样例：https://datatang.com/dataset/info/speech/951

葡萄牙语语音数据  

数据时长近2000小时，由葡萄牙、巴西本土葡萄牙母语发音人参与录制，录音文本由语言专家参与设计，涵盖通用、交互、车载、家居等多类别，内容丰富，文本经过人工校对，准确率高，匹配主流安卓、苹果系统手机。
获取数据样例：https://datatang.com/dataset/info/speech/954

日语语音数据  

数据时长近1000小时，由日本母语发音人参与录制，覆盖东部、西部、九州地区，其中东部地区占比最多。录音内容丰富，所有文本均经过人工转写，准确率高。

获取数据样例：https://datatang.com/dataset/info/speech/58

印地语音数据  

数据时长近1500小时，由印度本土发音人参与录制，录音涵盖安静和噪音的不同环境，更贴合语音识别实际应用场景，录音内容丰富，覆盖经济、娱乐、新闻、口语等多个领域，所有文本由人工转写，准确率高，可应用于语音识别、机器翻译、声纹识别等任务。

获取数据样例：https://datatang.com/dataset/info/speech/71

如果以上数据不能满足您当前的需求，数据堂还可以针对特定人群、特定场景、特定语种提供个性化的数据定制服务，我们将全力协助客户得到满意的数据服务。