数据集概述
IndicVoices 是一个由 AI4Bharat 团队创建的多语言语音数据集，专注于收集印度多种语言的语音与对应文本数据。
主要用途
- 训练和评估多语言语音识别（ASR）模型
- 支持印度本土语言的语音技术研究与应用开发
数据类型与模态
- 模态：音频、文本
- 数据形式：语音录音及其对应的转录文本
数据规模
- 总样本量：约 589 万条数据记录
- 数据格式：Parquet
适用场景
- 开发适用于印度多语种环境的语音识别系统
- 学术研究，特别是低资源语言语音处理
- 语音技术产品在印度市场的本地化适配