A dataset for Automatic Speech Recognition (ASR) Systems, consisting of multiple subsets (pending publishing).
The dataset consists of over 1,000 hours of audio-transcripts from political speeches of the German Bundestag.
- Download Clean (610h) here.
- Download Dirty Delta (Supserset of clean without clean subset part) (156h) here.
- Download Unlabeled (All audio snippets without transcriptions) (1,038h) here.
Quelle der Rohdaten:
https://www.bundestag.de/mediathek Nutzungsbedingungen
Nutzungsbedinungen:
https://www.bundestag.de/resource/blob/296016/301050a2c21ce66e24014805c235f9c7/nutzungsbedingungen_de-data.pdf
Der Inhalt ist nicht für «gewerbliche oder kommerzielle Werbezwecke» zu verwenden.