我计划创建一个语音识别网络来识别几个单词（语音命令），并从谷歌遇到语音命令数据集。除了可用的数据集之外，我还计划添加更多的词，例如“移动”、“保存”等，它们不是谷歌数据集的一部分。
有没有一种方法或任何其他来源可以让我创建/查找单词的数据集？
由于许多在线数据集可用于句子和语音转录，我正在考虑编写一个脚本，该脚本可以通过可用的转录并找到所需单词的位置并物理裁剪音频，然后对其进行填充以制作一秒钟的音频文件. 但这似乎是一个非常非常艰巨的过程，像我的机器人的名字这样的几个字在网上不会出现。
各位大佬能推荐个方法吗？
创建自己的数据集或更新现有数据集的方法很少。
这种方式假设您有一个麦克风（至少一个）。为了简化您的录制体验，请在您重复每个命令的位置录制文件。每个文件一个唯一的命令。然后提取数据。基本管道应该是这样的。
将每个命令的语音命令记录在一个文件中。如果您使用 python，请注意pyaudio库。录音时，在您重复的单词之间暂停。您可以尝试不同的麦克风和不同的位置。此外，您可以请您的朋友或亲戚帮助您完成任务。
阅读录音并将其分成较小的文件，每个文件只有一个单词。对于此任务，您可以使用VAD - 语音音频检测器软件，例如webrtc-vad。Python有一个包装器。
要规范化您的数据，您可能希望将音频文件附加到相同的长度。在文件的情况下，在.wav文件的开头和结尾附加零。
虽然，这可能不是最好的方法，但它会在你的情况下工作得很好。
对于更大的数据集，您可能希望使用简单音频索引器来索引音频文件。它可以帮助您找到特定单词或短语的时间戳。
将它用于互联网上提供的录音，例如有声读物（音质通常很好，但录音通常是去噪的 - 不像现实生活中的录音）或开放的语音数据集（一些在此处列出）。
最后，您可以结合这两种方法来解决您的问题。