【分享】一个免费语料库

国内可用免费语料库

转自http://blog.sina.com.cn/u/3f7d15aa0100042lAcademia Sinica Balanced Corpus of Modern Chinesehttp://www.sinica.edu.tw/SinicaCorpus/Peking University Modern Chinese Corpushttp://ccl.pku.edu.cn/ccl_co

抱歉，我不太清楚有哪些免费的比较容易使用的语料库。但是我可以推荐一些免费的、可以让你轻松使用的语料库，比如Gutenberg Project、Common Crawl、Google Books Ngrams、CHILDES、LDC、OpenSubtitles等等。 ...

摘要和第一部分是介绍目前语音识别开源语音库的现状，包括英文和中文的，由此引出来THCHS-30语料库。都是一些无关痛痒的介绍，所以不做翻译了。 以下是正式翻译： 2 THCHS-30的特点 这部分我们介绍THCHS-30语音库。这个数据库是在2000-2001年记录的，第一个作者是Prof.Xiaoyan Zhu的一个研究生。这个语音库设计的目的是作为863数据库的补充，尽可能提高中文发音的涵盖率。这个新数据库叫TCMSD(清华大学连续普通话数据库），而且变得 更加开放。。我们15年前发布了这个数据库

自转载https://www.sohu.com/a/196504864_236505 （一）国家语委 1国家语委现代汉语语料库http://www.cncorpus.org/ 现代汉语通用平衡语料库现在重新开放网络查询了。重开后的在线检索速度更快，功能更强，同时提供检索结果下载。现代汉语语料库在线提供免费检索的语料约2000万字，为分词和词性标注语料。 2古代汉语语料库http://www...

声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请

语料库工具是指用于处理和分析大规模文本数据集（即语料库）的软件工具和技术。这些工具可以帮助研究人员和开发者进行语言学研究、自然语言处理、机器学习等多个领域的应用。

苏州喵自在区块链科技有限公司打造的基于FISCO BCOS 的粤语大数据语料库， 旨在利用区块链技术保护和发展粤语文化遗产。该项目利用区块链的不可篡改性、分布式存储、智能合约和激励机制等特性， 为保护非物质文化遗产， 加强粤语研究与教育和开发特色文化产品和服务等方面积累了有益探索。

数据集下载链接 VCTK LibriSpeech ASR corpus http://www.openslr.org/12/ Aishell http://www.openslr.org/33/ Free ST Chinese Mandar In Corpus https://www.openslr.org/38 THCHS-30 http://www.openslr.org/resources/18 CN-Celeb http://www.openslr.org/resources/82 Vo