open speech corpora

? Корпус открытой речи

Список открытых речевых корпусов для исследований и разработок в области речевых технологий.

В этом списке предпочтение отдается бесплатным (т. е. без каких-либо затрат) и по-настоящему открытым корпорациям (например, выпущенным по лицензии Creative Commons или Лицензионному соглашению о предоставлении данных сообщества). Не все эти корпуса могут соответствовать этим критериям, но все следующие корпуса доступны и пригодны для исследовательского и/или коммерческого использования.

Не стесняйтесь предлагать дополнения к списку!

В Issues есть длинный список корпусов, которые нужно добавить, и запросы на включение очень приветствуются :)

СС-0

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
Общий голос	Многоязычный	>15 000 часов (подтверждено); >20 000 часов (всего)	Мультидинамик	https://voice.mozilla.org/en/datasets	СС-0
да нет	иврит	6 минут	один мужчина	http://www.openslr.org/1/	СС-0
ЖЖ Речевой корпус	Английский	~24 часа	одна женщина	https://data.keithito.com/data/speech/LJSpeech-1.1.tar.bz2	СС-0
База данных ASR NST Дании	датский	229 992 высказывания	616 динамиков	оригинал: https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-19/, реорганизованный: https://www.nb.no/sprakbanken/en/resource-catalogue /oai-nb-no-sbr-55/	СС-0
NST Датский диктант	датский	34 955 высказываний	151 спикер	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-20/	СС-0
Синтез датской речи NST	датский	4108 высказываний	1 спикер-мужчина	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-21/	СС-0
База данных ASR NST Швеции	Шведский	366 000 высказываний	1000 спикеров	оригинал: https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-16/, реорганизованный: https://www.nb.no/sprakbanken/en/resource-catalogue /oai-nb-no-sbr-56/	СС-0
Шведский диктант NST	Шведский	45 620 высказываний	195 спикеров	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-17/	СС-0
Синтез шведской речи NST	Шведский	5279 высказываний	1 спикер-мужчина	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-18/	СС-0
База данных ASR NST Норвегии	норвежский	359 760 высказываний	980 динамиков	оригинал: https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-13/, реорганизованный: https://www.nb.no/sprakbanken/en/resource-catalogue /oai-nb-no-sbr-54/	СС-0
Норвежский диктант NST	норвежский	33 360 высказываний	144 динамика	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-14/	СС-0
NST Синтез норвежской речи	норвежский	5363 высказывания	1 спикер-мужчина	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-15/	СС-0
NB Tale – речевая база данных для норвежского языка	норвежский	7600 высказываний + ~12 часов	380 динамиков	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-31/	СС-0
Корпус норвежских парламентских выступлений (v0.1)	норвежский	~59 часов	203 спикера	https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-58/	СС-0
Викисклад Одия	Одия	~8 часов	~20 динамиков	https://commons.wikimedia.org/wiki/Category:Odia_pronunciation	в основном(?) CC-0
Торстен-21.02-нейтральный	немецкий	~24 часа	1 спикер-мужчина	https://www.Thorsten-Voice.de	СС-0
Торстен-21.06-эмоциональный	немецкий	2.400 высказываний (8 эмоций)	1 спикер-мужчина	https://www.Thorsten-Voice.de	СС-0

CC-BY

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
Речевой корпус ARU	английский (Великобритания)	720 высказываний/спикер	12 (6 женщин; 6 мужчин)	http://datacat.liverpool.ac.uk/681/1/ARU_Speech_Corpus_v1_0.zip	CC-BY 3.0
Корпус парламентских выступлений Альтинга	исландский	542 часа 25 минут	196 спикеров	http://www.malfong.is/index.php?dlid=73&lang=en	CC-BY 4.0
Корпус парламентских выступлений Alþingisumræður	исландский	~21 час		http://www.malfong.is/index.php?dlid=8&lang=en	CC-BY 3.0
Корпус Хьяла	исландский	~41 000 записей	883 динамика	http://www.malfong.is/index.php?dlid=5&lang=en	CC-BY 3.0
Корпус Малромура	исландский	152 часа	563 динамика	http://www.malfong.is/index.php?dlid=65&lang=en	CC-BY 4.0
Телесотрудничество Немецкого корпуса для Kinect	немецкий	~35 часов	~180 динамиков	http://www.repository.voxforge1.org/downloads/de/german-speechdata-TUDa-2015.tar.gz	CC-BY 2.0
Африканские речевые технологии Англо-английский речевой корпус	Английский	~21 час		https://repo.sadilar.org/handle/20.500.12185/283	CC-BY 2.5 Южная Африка
Африканские речевые технологии isiXhosa Speech Corpus	isiXhosa	~26 часов		https://repo.sadilar.org/handle/20.500.12185/305	CC-BY 2.5 Южная Африка
NCHLT африкаанс	африкаанс	56 часов	210 динамиков (98 женщин/112 мужчин)	https://repo.sadilar.org/handle/20.500.12185/280	CC-BY 3.0
НЧЛТ английский	Английский	56 часов	210 динамиков (100 женщин/110 мужчин)	https://repo.sadilar.org/handle/20.500.12185/274	CC-BY 3.0
НЧЛТ исиндебеле	ИсиНдебеле	56 часов	148 динамиков (78 женщин/70 мужчин)	https://repo.sadilar.org/handle/20.500.12185/272	CC-BY 3.0
НЧЛТ исихоса	isiXhosa	56 часов	209 динамиков (106 женщин / 103 мужчин)	https://repo.sadilar.org/handle/20.500.12185/279	CC-BY 3.0
НЧЛТ исизулу	ИсиЗулу	56 часов	210 динамиков (98 женщин/112 мужчин)	https://repo.sadilar.org/handle/20.500.12185/275	CC-BY 3.0
НЧЛТ Сепеди	Сепеди	56 часов	210 динамиков (100 женщин/110 мужчин)	https://repo.sadilar.org/handle/20.500.12185/270	CC-BY 3.0
НЧЛТ сесото	сесото	56 часов	210 динамиков (113 женщин / 97 мужчин)	https://repo.sadilar.org/handle/20.500.12185/278	CC-BY 3.0
НЧЛТ Сетсвана	Сетсвана	56 часов	210 динамиков (109 женщин / 101 мужчина)	https://repo.sadilar.org/handle/20.500.12185/281	CC-BY 3.0
НЧЛТ Сисвати	Сисвати	56 часов	197 спикеров (96 женщин / 101 мужчина)	https://repo.sadilar.org/handle/20.500.12185/271	CC-BY 3.0
НЧЛТ Цшивенда	Чивенда	56 часов	208 динамиков (83 женщины/125 мужчин)	https://repo.sadilar.org/handle/20.500.12185/276	CC-BY 3.0
НЧЛТ Сицонга	Ситсонга	56 часов	198 спикеров (95 женщин/103 мужчины)	https://repo.sadilar.org/handle/20.500.12185/277	CC-BY 3.0
Лвази II Межъязыковый корпус собственных имен	Африкаанс; Английский; исизулу; сесото	2 часа 5 минут	20 спикеров	https://repo.sadilar.org/handle/20.500.12185/445	CC-BY 3.0
Лвази II Собственное имя Маршрутизация вызовов Телефонный корпус	Английский	2 часа 7 минут		https://repo.sadilar.org/handle/20.500.12185/448	CC-BY 3.0
Lwazi II Корпус отслеживания траекторий африкаанс	африкаанс	4 часа	один мужчина	https://repo.sadilar.org/handle/20.500.12185/442	CC-BY 3.0
LibriРечь	Английский	~1000 часов	2484 динамика (1201 женский/1283 мужской)	http://www.openslr.org/12/	CC-BY 4.0
Zeroth-Корейский	корейский	52,8 часов	115 динамиков	http://www.openslr.org/40/	CC-BY 4.0
Речевые команды	Английский	17,8 часов	>1000 спикеров	https://ai.googleblog.com/2017/08/launching-speech-commands-dataset.html	CC-BY 4.0
ПарламентПарла	каталонский	320 часов		https://www.openslr.org/59/	CC-BY 4.0
СИВИС	Французский	~10 часов	одна женщина	http://datashare.is.ed.ac.uk/download/DS_10283_2353.zip	CC-BY 4.0
ВЦТК	Английский	44 часа	109 спикеров	http://datashare.is.ed.ac.uk/download/DS_10283_3443.zip	CC-BY 4.0
ЛибриТТС	Английский	586 часов	2456 говорящих (1185 женщин / 1271 мужчина)	http://www.openslr.org/60/	CC-BY 4.0
Дополненная библиотекаРечь	Аудио (английский); Текст (английский, французский)	236 часов		https://persyval-platform.univ-grenoble-alpes.fr/datasets/DS91	CC-BY 4.0
Хельсинкский просодический корпус	Английский	262,5 часа	1230 динамиков	https://github.com/Helsinki-NLP/prosody	CC-BY 4.0
База данных речи Тувы	норвежский	24 часа	40 спикеров	https://www.nb.no/sprakbanken/show?serial=oai:nb.no:sbr-44&lang=	CC-BY 4.0
Корпус COERLL Kicheʼ	Киче	34 минуты	? ораторы	https://cl.indiana.edu/~ftyers/resources/utexas-kiche-audio.tar.gz	CC-BY 4.0
Таймеры и тому подобное v0.1	Английский (синтетический: США, реальный: представители разных национальностей)	синтетическое: 172 часа, реальное: 0,29 часа	21 синтетический, 11 настоящий	https://zenodo.org/record/4110812#.X9j0RmBOkYM	CC-BY 4.0
Большой корпус пленарных слушаний парламента Чехии	чешский	444 часа		https://lindat.mff.cuni.cz/repository/xmlui/handle/11234/1-3126	CC-BY 4.0

CC-BY-SA

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
Ибан	Ибан	8 часов		http://www.openslr.org/24/ https://github.com/sarahjuan/iban	CC-BY-SA 2.0
Выстадиал 2013	Английский; чешский	41 час; 15 часов		http://www.openslr.org/6/	CC-BY-SA 3.0 США
Выстадиал 2016 Чешский	чешский	77 часов; включает Vystadial 2013 Чешский		https://lindat.cz/repository/xmlui/handle/11234/1-1740	CC-BY-SA 4.0
Свободный набор данных разговорных цифр	Английский	2000 изолированных цифр	4 динамика	https://github.com/Jakobovski/free-spoken-digit-dataset	CC-BY-SA 4.0
Google яванский	яванский	296 часов	1019 динамиков	http://www.openslr.org/35/	CC-BY-SA 4.0
Google Непальский	непальский	165 часов	527 спикеров	http://www.openslr.org/54/	CC-BY-SA 4.0
Google Бенгальский	Бенгальский	229 часов	508 динамиков	http://www.openslr.org/53/	CC-BY-SA 4.0
Google сингальский	сингальский	224 часа	478 спикеров	http://www.openslr.org/52/	CC-BY-SA 4.0
Google Суданский	суданский	333 часа	542 динамика	http://www.openslr.org/36/	CC-BY-SA 4.0
Разговорный корпус Википедии (SWC-2017)	Английский; Немецкий; Голландский	182 часа; 249 часов; 79 часов	395 динамиков; 339 динамиков; 145 спикеров	https://nats.gitlab.io/swc/	CC-BY-SA 4.0
Чувашская ТТС	чувашский	4 часа	1 динамик	https://github.com/ftyers/Turkic_TTS	CC-BY-SA 4.0
Форшергейст	немецкий	2 часа	2 динамика (1 женщина; 1 мужчина)	спикер-женщина: https://goofy.zamia.org/zamia-speech/corpora/forschergeist/annettevogt-20180320-rec.tgz; спикер-мужчина: https://goofy.zamia.org/zamia-speech/corpora/forschergeist/timpritlove-20180320-rec.tgz	CC-BY-SA 4.0
Речевой корпус малаялам от SMC	малаялам	1:36 часов	75 говорящих (3 женщины, 12 мужчин, 60 неизвестных)	https://releases.smc.org.in/msc-reviewed-speech/	CC-BY-SA 4.0
Google малаялам	малаялам	3,02 часа	24 динамика	http://www.openslr.org/63/	CC-BY-SA 4.0

CC-BY-ND

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
Записанные дебаты IBM v1	Английский	5 часов	10 спикеров	https://www.research.ibm.com/haifa/dept/vst/debating_data.shtml#Debate%20Speech%20Anaлиз	CC-BY-ND
Записанные дебаты IBM v2	Английский	~14 часов	14 динамиков	https://www.research.ibm.com/haifa/dept/vst/debating_data.shtml#Debate%20Speech%20Anaлиз	CC-BY-ND

CC-BY-NC

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
TV3Парла	каталонский	240 часов		http://laklak.eu/share/tv3_0.3.tar.gz	CC-BY-NC 4.0
Открытый корпус СТТ России	Русский	~10 000 часов публично, ещё ~10 000 часов по запросу.		https://github.com/snakers4/open_stt/#links	CC-BY-NC 4.0 с некоторыми исключениями
Российский открытый корпус TTS	Русский	145 часов	3 мужчины	https://github.com/snakers4/open_tts/#links	CC-BY-NC 4.0 с некоторыми ожиданиями
OVM – Отазки Вацлава Моравце	чешский	35 часов		https://lindat.mff.cuni.cz/repository/xmlui/handle/11858/00-097C-0000-000D-EC98-3	CC-BY-NC 3.0

CC-BY-NC-SA

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
CHiME-Home	Английский	6,8 часов		https://archive.org/details/chime-home	CC-BY-NC-SA 3.0
Корпус камерунского пиджин-английского языка	Камерунский пиджин-английский	~17 часов		http://ota.ox.ac.uk/text/2563.zip	CC-BY-NC-SA 3.0

CC-BY-NC-ND

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
Татоэба-Анг	Английский	~250 часов (приблизительная оценка)	6 динамиков	https://voice.mozilla.org/en/datasets	CC-BY-NC 4.0 (немного звука) / CC-BY-NC-ND 3.0 (большая часть звука) / CC-BY 2.0 (весь текст)
ТЭД-ЛИУМ	Английский	118 часов	685 динамиков (36 часов женский / 81 час мужской)	http://www.openslr.org/7/	CC-BY-NC-ND 3.0
ТЭД-ЛИУМ-2	Английский	207 часов	1242 динамика (66 часов женский / 141 час мужской)	http://www.openslr.org/19/	CC-BY-NC-ND 3.0
ТЭД-ЛИУМ-3	Английский	452 часа	2028 динамиков (134 часа «женщина» / 316 часов «мужчина»)	http://www.openslr.org/51/	CC-BY-NC-ND 3.0
Пансори TEDxKR	корейский	3 часа	41 спикер	http://www.openslr.org/58/	CC-BY-NC-ND 4.0
Праймворды мандаринского языка	Мандарин	100 часов	296 спикеров	http://www.openslr.org/47/	CC-BY-NC-ND 4.0
MuST-C v1.0	Аудио (английский); Текст (голландский, французский, немецкий, итальянский, португальский, румынский, русский, испанский)	408, 504, 492, 465, 442, 385, 432, 489 часов на языковую пару		https://ict.fbk.eu/must-c-release-v1-0/	CC-BY-NC-ND 4.0
Заседания чешского парламента	чешский	88 часов		https://lindat.mff.cuni.cz/repository/xmlui/handle/11858/00-097C-0000-0005-CF9C-4	CC-BY-NC-ND 3.0
БембаРечь	Бемба	24 часа	17 динамиков (9 мужчин/8 женщин)	https://github.com/csikasote/BembaSpeech	CC-BY-NC-ND 4.0

CDLA-разрешительный

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
ДиПКо	Английский	~5 часов	32 спикера (13 женщин; 19 мужчин)	https://s3.amazonaws.com/dipco/DiPCo.tgz	CDLA-Разрешение-1.0

Стандартная общественная лицензия GNU

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
VoxForge	Английский	~120 часов	~2966 динамиков	http://www.repository.voxforge1.org/downloads/en/Trunk/Audio/Main/16kHz_16bit/ https://voice.mozilla.org/en/datasets	GNU-GPL 3.0
VoxForge	Русский			http://www.repository.voxforge1.org/downloads/ru/Trunk/Audio/Main/16kHz_16bit/ http://www.repository.voxforge1.org/downloads/russian/Trunk/Audio/Main/16kHz_16bit/	GNU-GPL 3.0
VoxForge	немецкий			http://www.repository.voxforge1.org/downloads/de/Trunk/Audio/Main/16kHz_16bit/	GNU-GPL 3.0

Лицензия Апач

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
АЙШЕЛЛ-1	Мандарин	170 часов	400 спикеров	http://www.openslr.org/33/	Апач 2.0
Тунисский_MSA	Современный стандартный арабский язык (Тунис)	11,2 часа	118 динамиков	http://www.openslr.org/46/	Апач 2.0
Французский с африканским акцентом	Французский	22 часа	232 динамика	http://www.openslr.org/57/	Апач 2.0
ТХЧС-30	Мандаринский китайский	33,57 часа (13 389 высказываний)	40 спикеров (31 женщина; 9 мужчин)	http://www.openslr.org/18/	Апач 2.0
Набор данных Living Audio — голландский	Голландский	57:49 мин.	1 динамик	https://github.com/Idlak/Living-Audio-Dataset	Апач 2.0
Набор данных Living Audio – английский	Английский	50:50 мин.	1 динамик	https://github.com/Idlak/Living-Audio-Dataset	Апач 2.0
Набор данных Living Audio — ирландский	ирландский	61:56 мин.	1 динамик	https://github.com/Idlak/Living-Audio-Dataset	Апач 2.0
Набор данных Living Audio — русский	Русский	34:58 мин.	1 динамик	https://github.com/Idlak/Living-Audio-Dataset	Апач 2.0

Лицензия MIT

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
АЛЬФФА	Амхарский;хауса (платно); Суахили; Волоф			http://www.openslr.org/25/ https://github.com/besacier/ALFFA_PUBLIC	Массачусетский технологический институт

Лицензия BSD, 3 пункта

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
M-AILABS Немецкий корпус	немецкий	237 часов 22 минуты		http://www.caito.de/data/Training/stt_tts/de_DE.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
M-AILABS Королевский корпус английского языка	Королевский английский	45 часов 35 минут		http://www.caito.de/data/Training/stt_tts/en_UK.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
M-AILABS Корпус английского языка США	Американский английский	102 часа и 7 минут		http://www.caito.de/data/Training/stt_tts/en_US.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
M-AILABS Испанский корпус	Испанский Испанский	108 часов 34 минуты		http://www.caito.de/data/Training/stt_tts/es_ES.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
M-AILABS Итальянский корпус	итальянский	127 часов 40 минут		http://www.caito.de/data/Training/stt_tts/it_IT.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
М-АЙЛАБС Украинский корпус	Украинский	87 часов и 8 минут		http://www.caito.de/data/Training/stt_tts/uk_UK.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
М-АЙЛАБС Русский корпус	Русский	46 часов 47 минут		http://www.caito.de/data/Training/stt_tts/ru_RU.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
M-AILABS French-v0.9 Корпус	Французский	190 часов 30 минут		http://www.caito.de/data/Training/stt_tts/fr_FR.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)
M-AILABS Польский корпус	Польский	53 часа 50 минут		http://www.caito.de/data/Training/stt_tts/pl_PL.tgz	ЛИЦЕНЗИЯ M-AILABS (3-пунктовая лицензия BSD для конкретных данных)

Пользовательская лицензия

КОРПУС	ЯЗЫКИ	# ЧАСЫ	# СПИКЕРЫ	СКАЧАТЬ	ЛИЦЕНЗИЯ
Корпус команд беглой речи	Английский	19 часов (30 043 высказывания)	97 спикеров	http://fluent.ai:2052/jf8398hf30f0381738rucj3828chfdnchs.tar.gz	Общественная лицензия на команды «Свободная речь»
КМУ Дикая местность	700 языков	Сообщения, распространяемые без звука и текста, всего: ~14 000 часов; за язык: ~20 часов		https://github.com/festvox/datasets-CMU_Wilderness	https://live.bible.is/terms
КХИМЕ-5	Английский	50 часов	48 спикеров	http://spandh.dcs.shef.ac.uk/chime_challenge/data.html	Лицензия CHiME-5
Корпус бесстрашных шагов	Английский	19 000 часов (20 часов в расшифровке)	~450 динамиков	https://fearless-steps.github.io/ChallengePhase3/#19k_Corpus_Access	Рекомендации НАСА по использованию средств массовой информации
Microsoft Speech Corpus (индийские языки)	Телугу; тамильский; Гуджарати			https://msropendata.com/datasets/7230b4b1-912d-400e-be58-f84e0512985e	Лицензия Microsoft Speech Corpus (индийские языки)
Корпус перевода Microsoft Speech Language	Английский; Китайский; японский			https://msropendata.com/datasets/54813518-4ea6-4c39-9bb2-b0d1e5f0c187	Лицензионное соглашение Microsoft об исследовательских данных
Эй, Корпус Снипса	Английский	11 тысяч положительных высказываний «Эй, снипс» (~ 4,4 часа) и 87 тысяч отрицательных (~ 89 часов) высказываний	2215 динамиков (положительные и отрицательные) и 4028 динамиков (только отрицательные)	https://research.snips.ai/datasets/keyword-spotting	Лицензия на данные Snips
Корпус Снипса SLU	Английский; Французский	1660 произнесений «Smart Lights EN» (~1,3 часа), 1286 «Smart Динамик EN» (~55 минут), 1138 «Smart Динамик FR» (~50 минут)	Английский: 69 ​​человек; Французский: 30 говорящих	https://research.snips.ai/datasets/spoken-language-understanding	Лицензия на данные Snips
Группа КМУ Сфинкс - AN4	Английский	"an4_clstk" (~50 минут) "an4test_clstk" (~6 минут)	"an4_clstk": 21 женщина, 53 мужчины "an4test_clstk": 3 женщины, 7 мужчин	http://www.speech.cs.cmu.edu/databases/an4/an4_raw.bigendian.tar.gz	АН4
Речь FT	датский	~1857 часов (1017244 высказывания)	434 спикера (176 женщин, 258 мужчин)	https://ftspeech.dk	Лицензия FT на речь
FalaBrasil-LAPS-Constituicao	Бразильско-Португальский	9 часов	1 динамик	https://drive.google.com/uc?export=download&confirm=SrvW&id=1Nf849u-27CYRzJqedLaI-FaZfMRO7FT	«Основы транскрипции аудио и нормализованные основы текста (sem pontuação, com numeros escritos por extenso и т. д.) доступны для бесплатной формы * pelo Grupo FalaBrasil. [disponibilizadas de forma gratuita*] / Portanto, apenas as base livres estão sendo disponibilizadas."
FalaBrasil-LaPSMail	Бразильско-Португальский	1 час	25 спикеров	https://drive.google.com/uc?export=download&confirm=PecV&id=1B_Vq8MDSE4fBQefVxqCGSl-EcKAcjJLb	«Основы транскрипции аудио и нормализованные основы текста (sem pontuação, com numeros escritos por extenso и т. д.) доступны для бесплатной формы * pelo Grupo FalaBrasil. [disponibilizadas de forma gratuita*] / Portanto, apenas as base livres estão sendo disponibilizadas."
Тест FalaBrasil-LaPS	Бразильско-Португальский	1 час	1 динамик	https://drive.google.com/uc?export=download&confirm=XFfF&id=1nZ8L9nJTt4blFC0RGT9Y7XRu02aAvDIo	«Основы транскрипции аудио и нормализованные основы текста (sem pontuação, com numeros escritos por extenso и т. д.) доступны для бесплатной формы * pelo Grupo FalaBrasil. [disponibilizadas de forma gratuita*] / Portanto, apenas as base livres estão sendo disponibilizadas."