深度学习在语音识别方面的使用方兴未艾，但是可用的训练数据集却不多见。虽然Kaldi这种软件可以使用神经网络进行训练，但是复杂的操作吓退了很多小白。Google认识到，互联网上没有可供入门者快速入门深度学习的语言数据集，所以他们开源了语音指令数据集。
TensorFlow和AIY团队开源的数据集包含65000个录音，每个录音时长几秒钟，包含30个左右的单词。它们是通过网站采集而来的，参与人数达到了数千人。团队贴心地附上了训练和预测的TensorFlow示例代码。数据集基于署名4.0 国际（CC By 4.0）许可发布，Google表示将继续扩充这个数据集。Google还指出，这个数据集特别适合新手入门。此外，他们也开源了收集录音的工具。
对于想尝鲜的人，Google制作了一个基于TensorFlow的Android程序。程序会询问获取麦克风权限，随后会给出10个单词，程序将高亮显示已经被你读过的单词。
这个例子的效果和数据集有很大的关系，有可能不尽如人意，毕竟商业语言识别系统比这个复杂的多。Google希望随着更多的数据加入，模型的识别效果会日趋完善。
使用TensorFlow进行语言识别的教程可以在这里找到。使用最新版本的TensorFlow和主流配置，模型训练只需要几个小时。对神经网络进行微调可以解决不同的问题，例如不同的响应时间、大小，以及在不同平台上的准确度取舍问题。
查看英文原文：Launching the Speech Commands Dataset
京公网安备 11010502049343号