一般找数据集的都是需要训练底膜的，大家git上找的开源项目大多是预训练模型。预训练就是别人已经训练好的底膜，你在他的基础上进行调整。而我们训练如果他这个模型不理想是需要训练底膜的。

---

找的方式是从git开源上找

中文

推荐MockingBird，知更鸟里面有很多对外的中文数据集，或者去阿里的modelscope里面有数据集。

https://github.com/babysor/MockingBird/blob/main/README-CN.md

英文的，我找了几个比较好的

GitHub - robmsmt/ASR-Audio-Data-Links: A list of publically available audio data that anyone can download for ASR or other speech activities

点击可以直接进入，下载，有火狐还有一些非盈利公司等提供的音频

关于其他语言

就要自己在git上看了，总之git上都有，开源大家庭就是好啊，造福全人类呀