Common Voice: corpus de audio para el reconocimiento de voz

Common Voice es un corpus de audio comunitario que comprende miles de grabaciones de voz con sus transcripciones de texto. El conjunto de datos se utiliza principalmente para entrenar y evaluar los sistemas de reconocimiento automático de voz (ASR).

Obtén el dataset

Tamaño

Varios miles de archivos de audio MP3 acompañados de archivos CSV de metadatos, multilingües

Licencia

CC0: Dominio público

Descripción

‍

El conjunto de datos Common Voice contiene miles de archivos de audio MP3 acompañados de transcripciones validadas por varios oyentes. Está dividido en conjuntos de entrenamiento, desarrollo y pruebas, con metadatos detallados sobre la edad, el género, el enfoque y la calidad de cada grabación.

‍

¿Para qué sirve este conjunto de datos?

‍

Entrene modelos de ASR robustos con diversos datos de voz
Evalúe el reconocimiento de voz según criterios demográficos y lingüísticos
Realice ajustes precisos en voces específicas o en varios idiomas

‍

¿Se puede enriquecer o mejorar?

‍

Sí, este corpus está abierto a la contribución de la comunidad a través de la plataforma Common Voice. Las anotaciones se pueden refinar mediante validaciones adicionales y se pueden ampliar los idiomas. También se pueden agregar metadatos adicionales para mejorar los casos de uso.

‍

🔎 En resumen

Criterio	Evaluación
🧩Facilidad de uso	⭐⭐⭐⭐☆ (metadatos completos, requiere manejo de archivos de audio)
🧼Necesidad de limpieza	⭐⭐⭐⭐☆ (baja a moderada según el uso, clips inválidos separados)
🏷️Riqueza de anotaciones	⭐⭐⭐⭐☆ (transcripciones validadas, metadatos demográficos)
📜Licencia comercial	✅ Sí (CC0)
👨‍💻Ideal para principiantes	👨‍🎓 Sí, para proyectos ASR con guía adecuada
🔁Reutilizable para fine-tuning	🔥 Perfecto para adaptación de voz y acentos
🌍Diversidad cultural	🌍 Gran diversidad de edades, géneros y acentos