大数据采集与预处理技术

**;项目三语音直播数据采集与预处理;任务一语音直播数据采集;二、公开数据集采集

为了模拟说话者，可以下载语音验证相关数据集，这里使用ST-CMDS数据集。该语料库在安静的室内环境中使用手机录制。共有855位发音人，每位发音人录制了120个语句。所有语句均经过人工精心转录和校对，确保转录准确性。

点击/38/打开下载网页，找到需要下载的数据集，该数据集大小为8.2G，有不同镜像源，这里使用CN镜像源，该数据下载页面如下图1-1所示：

下载完成后，可以解压该语料库，每一条数据有包含以下内容：音频文件、转录文件、元数据，