free-spoken-digit-dataset:免费的语音数字音频数据集。 将MNIST视为音频-源码

免费口语数据集（FSDD） 一个简单的音频/语音数据集，由8kHz的wav文件中的口头录音组成。 修整录音，使其在开始和结束时几乎保持静音。 FSDD是一个开放的数据集，这意味着它将随着时间的推移随着数据的添加而增长。 为了实现可重复性和准确的引用，使用Zenodo DOI和git tags对数据集进行版本控制。 当前状态 6位演讲者 3,000个录音（每个扬声器每个数字50个） 英语发音 组织 文件以以下格式命名： {digitLabel}_{speakerName}_{index}.wav示例： 7_jackson_32.wav 会费 请贡献您的自制录音。 所有录音应为单声道8kHz wav文件，并进行修剪以使静音降至最低。 不要忘记使用发言人元数据更新metadata.py 要添加数据，请按照acquire_data/say_numbers_prompt.py的记录说明进行a