数据库开源 | 200人中英文混说数据库开放申请

各位语音识别领域的攻城狮小伙伴们，福利来啦！

量子位将与冲浪科技共同开放开源数据库：200人中英文混说数据库，冲浪科技为本次数据提供方。此外，我们还将共同打造一个语音识别技术社群，邀请语音领域的研究者进入，为大家打造一个技术交流平台。进入社群的同学，在下次数据开源时可优先申请。

数据集详细信息

采集语言：中英文混读
总人数：200人（约120小时）
发音人：中国人, 口音涵盖中国主要方言区
性别比例：男女各50%
录制规格：16,000Hz, 16bit, mono, 无压缩wav
采集设备：Android和iOS各50%, 涵盖主流手机
采集时间：2017年
采集单位：冲浪科技
市场参考价格：100000人民币

开放人群

参加对象：高校学生、老师及非盈利科研机构研究人员

数据使用：数据仅供科研使用严禁外传，当研究成果进行公开发表时若使用到本数据库应将在文章内引用“ST-CMSD”、“冲浪科技中文普通话语音数据库”或“SurfingTech Chinese Mandarin Speech Dataset”，具体引用位置将在数据发放时一并告知。

如何申请

在量子位公众号（QbitAI）界面回复“中英混说数据”，即可领取报名表单。

领取数据的具体流程如下：

1、回复“中英混说数据”，领取表单填写相关信息；

2、报名通过我们会发送确认邮件，并邀请进入语音识别技术社群；

3、申请者确认后发送协议及协议填写说明；

4、收到协议之后发送下载链接给各位申请者。

一些重要的补充说明

信息说明：要免费领取本次开源的数据，需要各单位提供以下信息：单位名称及相关信息、单位负责人联系方式等，待审核完毕及完成相关文件签署后统一发放。

数据使用：数据仅供科研使用严禁外传，当研究成果进行公开发表时若使用到本数据库应将在文章内引用“ST-CMSD”、“冲浪科技中文普通话语音数据库”或“SurfingTech Chinese Mandarin Speech Dataset”，具体引用位置将在数据发放时一并告知。

数据发放：经审核通过后，数据将通过线上发放；下载困难的申请单位可申请线下发放，但需自行承担存储设备及物流费用。

注意事项：各位申请人请尽量使用联通网络下载，而不是校园网络下载，这样下载速度最快。

备注：冲浪科技已经发现少量文本标注不准确。如果大家在使用时发现更多文本标注不准确的地方也请及时告知，冲浪科技正在对所有数据继续校对，后续会定期给大家更新标注文本。

如果始终存在数据下载困难，死活也无法下载的小伙伴，可能是折翼的天使，那么可以自费寄给我们一个硬盘，我们负责帮忙拷贝；或者提供硬盘的费用，我们帮忙京东上购买，拷贝。总之，不能让大家拿不到数据就对了。

以上，祝各位使用愉快~

介绍一下数据提供方

冲浪科技

北京冲浪科技有限公司为本次开源数据提供方，成立于2017年初，创始团队均来自国内外顶尖高校和知名人工智能公司，聘请Andreas Geiger作为首席科学家，力求在自动驾驶汽车、人脸识别、语音识别领域内开发高质量的人工智能训练数据集。

作为全球最大的人工智能资源开放平台，冲浪科技乐意分享每一个有价值的数据集，以提高全球人工智能基础能力。

量子位

量子位是国内领先的专业人工智能垂直媒体，全网用户超过50万。报道方向覆盖新闻资讯和技术发展趋势，为人工智能从业者和爱好者持续输出高质量内容，为普通大众提供看得懂的AI资讯。线上打造万人AI社群，不定期举办AI技术分享、论文解读、行业热点讨论等多项活动。

— 完 —

活动报名

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态