AISHELL-2：全球最大中文开源数据库

2017年7月

北京希尔贝壳科技有限公司（AISHELL）在Kaldi平台上开源178小时中文普通话数据库（AISHELL-1），同时以aishell命名的recipe项目merge到kaldi里。

数据下载地址：

http://www.openslr.org/33/

recipe地址：

https://github.com/kaldi-asr/kaldi/tree/master/egs/aishell/s5

详情：

http://www.aishelltech.com/kysjcp

2017年12月

aishell的recipe更新添加了说话人识别到kaldi。

recipe地址：

https://github.com/kaldi-asr/kaldi/tree/master/egs/aishell/v1

AISHELL-2

一年过去了AISHELL和AISHELL Foundation的伙伴们再次刷新历史，大家期盼已久的AISHELL-2来了，数据规模达到1000小时和更优秀的系统级recipe，同时，也成为目前全球最大中文开源数据库。

数据以硬盘和网盘形式免费开放给高校科研教育机构。

AISHELL-2还配备了一套evaluation数据集，TEST&DEV数据包含了iOS、Android、高保真Mic三种设备，使实验测试更科学和多样性。

1000小时的数据详情：

recipe地址：

https://github.com/kaldi-asr/kaldi/tree/master/egs/aishell2

AISHELL-2实验的训练集，开发集，测试集构成。具体分配如下：

AISHELL-2 data：

- Sampling Rate : 16kHz

- Sample Format : 16bit

- Environment : Indoor

- Speech Data Type : PCM

- Channel Number : 1

- Recording Equipment : iOS

- Time : 1000 hours of speech data (around 1 million utterances)

- Speaker : 1991 speakers (845 male and 1146 female)

语音识别系统完全使用kaldi来训练和识别，测试结果如下：

数据获取方式：