以下是一些常见的 ASR 方案：
算法驱动的数字人方案中，ASR（Automatic Speech Recognition，语音识别）是核心算法之一，能将用户的音频数据转化为文字，便于数字人理解和生成回应。
开源 ASR 数据方面：
多语种：
mozilla common voice：提供各种语言的音频，目前 14122 小时 87 种语言，链接：
OpenSLR：提供各种语言的合成、识别等语料，链接：
CIAVSR：cantonese 粤语车内 audiovisual 数据，8.3 小时，链接：
open speech corpora：各类数据搜集，链接：
Hindi：1111 小时，链接：
Samrómur Queries 21.12：Samrómur Icelandic Speech corpus 20 小时，链接：
Samrómur Children 21.09：Icelandic Speech from children，链接：
Golos：1240 小时 Russian，链接：
MediaSpeech：10 小时 French,Arabic,Turkish and Spanish media speech，链接：
中文：
mozilla common voice：提供各种语言的音频，目前 14122 小时 87 种语言，链接：
OpenSLR：提供各种语言的合成、识别等语料，链接：
open speech corpora：各类数据搜集，链接：
AiShell4：211 场会议，120 小时，多通道中文会议语音数据库，链接：
AliMeeting：118.75 小时会议数据，链接：
Free ST Chinese Mandarin Corpus：855 发音人 102600 句手机录制，链接：
aidatatang_200zh：200 小时 600 发音人文本准确 98%，链接：
magicData：755 小时中文 1080spks，安静室内环境，16k
magicDataRAMC：180 小时中文 spontaneous conversation MAGICDATA Mandarin Chinese Conversational Speech Corpus，链接：
TAL_CSASR：中英混合 587 小时，链接：
TAL_ASR：100 小时讲课，链接：
英文：
GigaSpeech：10000 小时，强烈推荐，链接：
2024-12-03