Common Voice – Corpus audio pour reconnaissance vocale

Common Voice est un corpus audio communautaire, comprenant des milliers d’enregistrements vocaux accompagnés de leurs transcriptions textuelles. Le dataset sert principalement à l’entraînement et à l’évaluation de systèmes de reconnaissance vocale automatique (ASR).

Télécharger le dataset

Taille

Plusieurs milliers de fichiers audio MP3 accompagnés de fichiers CSV de métadonnées, multilingue

Licence

CC0: Public Domain

Description

‍

Le dataset Common Voice contient des milliers de fichiers audio MP3 accompagnés de transcriptions validées par plusieurs auditeurs. Il est divisé en ensembles d’entraînement, de développement et de test, avec métadonnées détaillées sur l’âge, le genre, l’accent et la qualité de chaque enregistrement.

‍

À quoi sert ce dataset ?

‍

Entraîner des modèles ASR robustes sur des données vocales diverses
Évaluer la reconnaissance vocale selon des critères démographiques et linguistiques
Effectuer du fine-tuning sur des voix spécifiques ou langues variées

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, ce corpus est ouvert à la contribution communautaire via la plateforme Common Voice. Les annotations peuvent être affinées par validation supplémentaire et les langues étendues. Des métadonnées additionnelles peuvent également être ajoutées pour améliorer les cas d’usage.

‍

🔎 En résumé

Critère	Évaluation
🧩Facilité d’utilisation	⭐⭐⭐⭐☆ (métadonnées complètes, nécessite gestion des fichiers audio)
🧼Besoin de nettoyage	⭐⭐⭐⭐☆ (faible à modéré selon usage, clips invalides séparés)
🏷️Richesse des annotations	⭐⭐⭐⭐☆ (transcriptions validées, métadonnées démographiques)
📜Licence commerciale	✅ Oui (CC0)
👨‍💻Idéal pour les débutants	👨‍🎓 Oui, pour projets ASR avec guidage adapté
🔁Réutilisable en fine-tuning	🔥 Parfait pour adaptation voix et accents
🌍Diversité culturelle	🌍 Large diversité d’âges, genres et accents

‍

🧠 Recommandé pour

Chercheurs en reconnaissance vocale
Développeurs ASR
Projets multilingues

‍

🔧 Outils compatibles

Kaldi
ESPnet
Hugging Face Transformers
PyTorch
TensorFlow

‍

💡 Astuce

Sélectionnez les sous-ensembles validés pour un entraînement optimal et fiable.

Questions fréquemment posées

Quelles langues sont couvertes par Common Voice ?

Common Voice couvre de nombreuses langues et accents, avec une forte présence de l’anglais, mais aussi d’autres langues en fonction des contributions.

Les fichiers audio sont-ils tous validés ?

Seuls les fichiers des ensembles “valid” ont été validés par plusieurs auditeurs, garantissant la correspondance audio-texte.

Peut-on contribuer à ce dataset ?

Oui, Common Voice est un projet communautaire ouvert où chacun peut enregistrer et valider des clips audio pour enrichir le corpus.

Datasets similaires

Texte

Cosmopedia : Corpus Synthétique Massif

Image

Cityscapes Dataset

Image

Graptoloidea Specimens Imaging