MAGICDATA

最大多语言语音数据集。据说是最大的。这一数据集共涵盖了23种语言，时长超过40万小时。 其中，每种语言都有9000到18000小时的无标签语音数据。 此外，还包括了共1800小时，16种语言的转录语音数据，以及17300小时，15种目标语言的口译语音数据。

178小时汉语。录音文本涉及智能家居、无人驾驶、工业生产等11个领域。录制过程在安静室内环境中， 同时使用3种不同设备： 高保真麦克风（44.1kHz，16-bit）；Android系统手机（16kHz，16-bit）；iOS系统手机（16kHz，16-bit）。高保真麦克风录制的音频降采样为16kHz。400名来自中国不同口音区域的发言人参与录制。经过专业语音校对人员转写标注，并通过严格质量检验，此数据库文本正确率在95%以上。分为训练集、开发集、测试集。

1万条中文语音。包含了1万余条语音文件，大约40小时的中文语音数据，内容以文章诗句为主，全部为女声。它是由清华大学语音与语言技术中心（CSLT）出版的开放式中文语音数据库。

85小时汉语集。可做为多说话人合成系统。录制过程在安静室内环境中， 使用高保真麦克风（44.1kHz，16bit）。218名来自中国不同口音区域的发言人参与录制。专业语音校对人员进行拼音和韵律标注，并通过严格质量检验，此数据库音字确率在98%以上。

音乐分类。这是一个给音乐增加标签的开源项目。 目前系统中已包含的标签： [“摇滚”，“流行”，“另类”，“独立”，“电子”，“女歌手”， “舞蹈”，“ 00s”，“另类摇滚”，“爵士”，“美丽”，“金属”， “放松”，“男歌手”，“经典摇滚”，“灵魂”，“独立摇滚”， “音乐”，“电子音乐”，“80年代' ，'民间'，'90年代'，'chill'，'instrumental'， 'punk'，'oldies'，'blues'，'hard rock'，'ambient'，'acoustic，'experimental'， 'female vocalist'，'guitar'，'Hip-Hop ”，“ 70年代”，“派对”，“国家”，“轻松聆听”， “性感”，“醒目”，“放克”，“电子”，“重金属”，“渐进摇滚”， “ 60年代”，“ rnb”，“独立流行音乐”，“悲伤”，“房子”，“快乐” ]

最全诗词集合，唐宋两朝近一万四千古诗人, 接近5.5万首唐诗加26万宋诗. 两宋时期1564位词人，21050首词。