DIHARD-I数据集，官网编号LDC2019S09、LDC2019S10、LDC2019S12、LDC2019S13

DIHARD-I数据集（The First DIHARD Challenge Dataset）是一个专注于“说话人日记录”（Diarization）任务的数据集。说话人日记录，也称作语音分割和聚类，是语音识别领域中的一个重要任务，它旨在将一段包含多个说话人的音频分割成不同的片段，并将这些片段聚类到对应的说话人。

DIHARD-I数据集的设计充分考虑了现实生活中的复杂性和多样性，包含了多种不同类型的音频数据，如电话对话、会议记录、多人交谈等。这些音频数据的来源和采集环境各不相同，从而模拟了真实世界中可能出现的各种语音场景。

数据集中的每个音频文件都经过了精细的标注，包括说话人的数量、每个说话人的起始和结束时间等。这些标注信息为研究者提供了准确的参考，使得他们可以评估和优化自己的说话人日记录算法。

DIHARD-I数据集在发布时还伴随了一系列的挑战赛和评估标准，以鼓励研究者积极参与并推动该领域的发展。通过参与这些挑战赛，研究者可以与其他团队进行比较和竞争，从而不断推动说话人日记录技术的进步。

需要注意的是，使用DIHARD-I数据集需要遵守相关的授权和许可协议。对于感兴趣的研究人员和开发者来说，可以通过相关渠道获取该数据集，并结合自己的研究需求进行探索和应用。

总之，DIHARD-I数据集是一个专注于说话人日记录任务的重要资源，为研究者提供了丰富多样的音频数据和准确的标注信息。通过利用这一数据集，研究者可以深入探索说话人日记录技术的各个方面，为相关应用的发展做出贡献。

获取方法：

方法1：注册LDC账号并加入组织获取数据，官网链接：LDC官网https://www.ldc.upenn.edu/

方法2：关注公众号，回复DIHARD-I LDC语料小助手https://mp.weixin.qq.com/s/8GgZFh9XAr7FYwivQ_ajRg