【音频识别】数据集合集！

本文将为您介绍经典、热门的数据集，希望对您在选择适合的数据集时有所帮助。

1

Chenyme-AAVT

• 更新时间：2024-08-23

• 访问地址: GitHub

• 描述：

  这是一个全自动（音频）视频翻译项目。利用Whisper识别声音，AI大模型翻译字幕，最后合并字幕视频，生成翻译后的视频。还可以自动化生成营销图文、对字幕单独翻译。

• 数据集网址：

  https://github.com/Chenyme/Chenyme-AAVT

2

Seal-UniPlugin-Demo

• 更新时间：2024-10-28

• 访问地址: GitHub

• 描述：

  跨平台Office文档、图片在线预览，音视频播放原生插件Seal-OfficeOnline【非X5离线、组件嵌入、水印、WPS预览编辑】。百度OCR文字识别、证卡识别、票据识别原生插件Seal-OCR。百度语音在线识别原生插件Seal-VoiceASR。

• 数据集网址：

  https://github.com/silianpan/Seal-UniPlugin-Demo

3

Minerva

• 更新时间：2024-05-23

• 访问地址: GitHub

• 描述：

  Minerva是一个便捷的音频工具，支持快速进行录音（PCM/MP3/WAV）和VAD端点检测识别，并保存活动语音。

• 数据集网址：

  https://github.com/LZ9/Minerva

4

voice_translation

• 更新时间：2024-06-06

• 访问地址: GitHub

• 描述：

  该开源项目旨在提供一个能够自动检测并识别中文语音的模型，支持wav、mp4、m4a等格式的音频文件上传。无论是从录音设备中获取的wav文件，还是从视频中提取的mp4、m4a文件，我们的模型可以准确识别其中的中文文字内容。通过集成最先进的语音识别技术和深度学习算法，我们的模型能够快速、准确地将声音转换为文字，为用户提供便捷的语音识别体验。

• 数据集网址：

  https://github.com/zxx1218/voice_translation

5

LLM-Ceping

• 更新时间：2024-11-20

• 访问地址: GitHub

• 描述：

  全方位大模型评测知识库 | 提示词工程（Prompt Engineer）、各渠道大模型榜单（LeaderBoard）、标杆数据集、安全检测、对抗攻击、智能体、优质数据、文本分类、关系抽取、语音识别、语音合成、多模态、文本生成图片、文本生成视频、点云、智能对话、摘要总结、问答、字词释义、知识问答、学科考试、医学、信息学、心理学、指代消解、常识推理、知识问答...

• 数据集网址：

  https://github.com/AI-Ceping/LLM-Ceping

6

ModuleDevelop

• 更新时间：2024-05-22

• 访问地址: GitHub

• 描述：

  Android原生开发apicloud的自定义模块。其中包含：NFC高频模块对15.6mhz的读取，单次可读单块或四块；UHF超高频模块可读可写，也可startActivity开启测试页面。新增语音唤醒+识别模块，进程守护模块，消息通知模块。

• 数据集网址：

  https://github.com/yuanbao15/ModuleDevelop

7

meeting_system_backend

• 更新时间：2024-05-09

• 访问地址: GitHub

• 描述：

  一个基于Vue3&Springboot&Tensorflow的音视频会议系统（毕业设计），音视频框架采用WebRTC。通过人脸识别实现拍照登录和入会身份检验。

• 数据集网址：

  https://github.com/xyongfeng/meeting_system_backend

8

SubGenie

• 更新时间：2024-06-29

• 访问地址: GitHub

• 描述：

  SubGenie是一个开源工具，整合了YouTube视频下载，语音识别，字幕翻译等功能，主要用于为视频生成双语字幕。

• 数据集网址：

  https://github.com/1e0nhardt/SubGenie

9

upai

• 更新时间：2024-06-03

• 访问地址: GitHub

• 描述：

  ymupai 是一款 Windows 平台的 语音识别 和 字幕生成 以及 音频/视频处理 软件。

  主要特性：

  语音识别：支持从种视频文件、音频文件中提取语音信息并进行语音识别；支持实时从系统麦克风中接收语音数据并进行语音识别

  语音转录：支持实时语音转录，基于麦克风实时输入的音频数据转录为文本字幕信息

  字幕生成：支持将语音识别生成的文本数据，基于第三方API进行文本翻译，生成双语字幕数据，并进行同步播放展示

  音视频处理：支持对音视频文件进行播放、格式转换、视频截图等操作

  一键自动化处理：导入音视频文件，配置字幕参数，即可一键生成双语字幕数据

  批量任务处理：支持批量进行字幕生成，可一次导入多个音视频文件，批量进行语音识别、字幕生成操作

  硬件加速：数据处理支持CPU加速和GPU加速。对于安装有Nvidia系列GPU的Windows PC，支持基于Nvidia CUDA的GPU加速；对于未安装Nvidia GPU的Windows PC，支持基于OpenVINO的CPU加速

• 数据集网址：

  https://github.com/ymtagi/upai

10

qtasr_demo

• 更新时间：2024-11-16

• 访问地址: GitHub

• 描述：

  一个采集麦克风音频，并进行波形图显示与实时语音识别的demo。

• 数据集网址：

  https://github.com/echcz/qtasr_demo

END

 温馨  小贴士

如有您想了解的计算机方向数据集

请联系我们

免费为您提供数据集搜索服务