無論家居還是駕駛場景下，和人工智能對話的應用已經深入到我們日常生活，給我們生活帶來諸多便利和快樂。如今對話式人工智能爆發，谷歌最近推出LaMDA的AI對話搜索，可以就任何話題展開對話，國內各大互聯網企業也在積極布局對話式AI應用。IDC數據顯示，中國對話式AI市場規模預計在2023年達到約18.6億美元，2019-2023年的年均復合增長率（CAGR）為34.0%。

對話式AI離不開對話式AI訓練數據，MagicHub.io數據開源社區最近上傳一批對話式AI數據集，幫助開發者進行對話式AI模型的訓練。此外還開源一批朗讀式數據集和平行語料，總時長超過200小時，大小近20G。

對話式AI數據集

近期社區開源的對話式AI數據集包括普通話對話、鄭州話對話、英語和捷克語對話數據集，場景涉及網絡會議、自由對話等場景，對話還原真實場景。

普通話對話音頻數據集-網絡會議

本數據集包含了5.2小時的中文普通話對話音頻和轉寫文本。內容為使用筆記本電腦和手機進行網絡會議的10次對話。點此下載。

鄭州話對話音頻數據集

總時長為4小時的鄭州話對話音頻和轉寫文本，其中包含12對說話人之間的自由對話。點此下載。

此外，MagicHub.io社區還開源了41小時英語電話對話數據集和15小時捷克語對話音頻數據集（點此下載）及轉寫文本，可用于訓練口語對話自動語音識別聲學模型。

朗讀音頻數據集

社區開源的朗讀音頻數據集包括德語朗讀音頻、鄭州話朗讀音頻、中文普通話朗讀音頻。音頻內容包含日常用語和命令控制，音頻總時長超過180小時。

德語朗讀音頻數據集-命令控制

該數據集總時長包含0.71小時德語朗讀音頻和轉寫文本，內容為命令和控制。共有597條語料，由10名說話人提供。點此下載。

鄭州話朗讀音頻數據集-日常用語

該數據集包含了5小時的鄭州話朗讀音頻和轉寫文本，內容為日常用語。共有5,132條語料，由10名說話人提供。點此下載。

社區還開源了來自AISHELL的中文普通話朗讀音頻數據集（點此下載）和包含100句的中英文平行語料（中譯英）（點此下載）。普通話音頻數據集包含178個小時的普通話朗讀音頻和轉寫文本，數據由400名說話人提供；平行語料內容為金融相關的日常用語。

目前，MagicHub.io社區開源了超過40組音頻/文本數據集，累計超過1000小時音頻數據，數據語種包括英語、西班牙語、意大利語、韓語、日語等外語數據集；中文普通話、粵語、四川話、上海話、鄭州話等方言數據集；車載噪音數據集和發音詞典等。

獲取更多數據集，歡迎訪問：MagicHub.io數據開源社區。未來，將有更多數據將在這里開源，更多的數據供開發者免費下載使用！