free-spoken-digit-dataset

收录理由

这个口语数字数据集体量不大，却常被当作音频分类的入门练习反复使用。它沿用了MNIST的思路：六位说话人录下三千段经过修剪的8kHz wav文件，文件名直接标明数字、说话人和序号，元数据里还记录了性别与口音。仓库里附带了静音修剪工具、一个简单的数据加载类，以及频谱图生成脚本，并给出了固定的训练/测试划分，方便不同实验之间做对比。项目用Zenodo DOI管理版本，也欢迎外部贡献录音，因此数据会持续扩充，课程和论文里经常能看到它的身影。通过Activeloop Hub和TensorFlow Datasets都能直接加载，团队想快速搭一个语音识别原型，或者老师想教音频机器学习，都可以拿它当可复现的试验场，等跑通了再换更大的语料库。