Voice Arena 发布 Monsoon 语音数据集：50 种语言、10 万小时
Monsoon 是个 10 万小时的多语言语音数据集，微调 Whisper 后孟加拉语词错率从 85% 降到 7.65%，做语音方向的可以试试 API 测测效果。
#开源数据集
共 11 条 · 7 天 2 条 · 30 天 4 条
信息流里打上「开源数据集」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月9日
10月6日
9月29日
9月21日
8月22日
7月26日
7月21日
7月1日
行业05:24
Hugging Face 发布 80TB 天体物理数据集，仅需 4GB RAM 即可加载Hugging Face 上悄悄放了 80TB 天文数据，用你笔记本就能跑 SDSS 和 Gaia 交叉匹配。搞 AI for Science 的话别错过，比想象中好上手。
6月18日
6月16日
GitHub发布多语言AI开源数据集，覆盖README、Issues、Pull Requests
GitHub新出的多语言数据集，免费开源，里面各种语言的README和讨论都有，做多语言AI模型训练正好用上。
