Free Spoken Digit Dataset (FSDD) 数字识别音频数据集

Free Spoken Digit Dataset (FSDD) 是一个简单的音频/语音数据集，由 8kHz 采样率的 wav 文件中的数字语音录音组成。这些录音经过裁剪，以尽量减少开头和结尾的沉默时间。数据集是开放的，意味着随着数据的不断贡献，它会随着时间增长。

FSDD 数据集目前包括（截至 2024 年 7 月）：

• 6 位不同的演讲者
• 3,000 条录音（每位演讲者 50 条）
• 英语发音

数据集的文件按照特定的格式命名，例如：{digitLabel}_{speakerName}_{index}.wav 。例如，文件名 7_jackson_32.wav 表示演讲者 jackson 录制的数字 7 的第 32 个录音。

FSDD 数据集不仅可以用于学术研究，也鼓励社区贡献自己的录音。所有录音应该是单声道 8kHz 的 wav 文件，并且裁剪到最小化沉默。