Flickr Audio Caption Corpus
包含超过40,000个口语描述的音频数据集。
这一条没有可靠的 HuggingFace 仓库——它只在自家站点发布（WARC / tar 包 / 需签署协议 / 仅存于 GitHub）， 或者 HF 上的同名仓库是第三方子集与镜像，接上去会给出误导性的下载量。宁可留空，也不挂错数字。
众包多语 ASR 大型公开数据
包含1000小时英语语音数据，适用于语音识别模型训练。
英文大规模高质量 ASR
MLCommons 开源大型英文 ASR
野生场景 TTS 训练大数据
YouTube 通用声音事件分类大型集
领域、训练阶段、用途、License 分级与本刊判断由本刊维护； 规模、许可证与商用授权最终请以 原站 为准。
