好未来开源近600小时中英文混合语音数据集

近日，好未来开放了一批长达587小时教学场景中的中英文混合语音数据集。

  数据集下载地址：https://ai.100tal.com/dataset

  数据集详情：

数据规模	587小时音频
采样率	16KHz
采样位声	16bit
录制设备	普通麦克风
说话人	200+
录制时间	2019年
数据格式	音频：.wav；标注结果：.txt
音频长度	1～60s
数据类型	英语课教师授课音频

该数据集源自语种混合最具代表性场景之一——教师英语授课场景。此次开放的数据集是迄今教育行业最大的语音开源数据集之一，也是目前已知全球较大的中英文混合场景开源数据集。

在2020年3月，好未来还开放了第一批教育开源数据集——“小学低年级算式数据集”。该数据集包括33550张算式图像，均来源于小学1~3年级学生的数学练习册和作业，涵盖各类数学口算题目类型。随后，好未来又陆续开放了手写中英文、手写公式、中文语音识别、语音情感等多个数据集。