RM Isolated and Spelled Word Data（LDC 目录号。

CSLU: Spelled and Spoken Words（LDC2006S15）是由美国俄勒冈健康与科学大学的口语理解中心（CSLU）构建、语言数据联盟（LDC）于 2006 年发布的英文电话语音数据集，核心用于拼写识别、语音识别、说话人验证等语音技术研究，聚焦 “拼写 - 朗读” 并行语音数据，适配语音交互场景的鲁棒性测试需求。

West Point Company G3 American English Speech（LDC96S36）是美国西点军校 G3 连队构建、LDC 于 1996 年发布的美式英语朗读语音数据集，核心为 24 名美国英语母语者（G3 连队学员）录制的约 10.5 小时高保真语音，含 6000 + 句孤立词 / 短语 / 连续句，标注含正字法转录与发音词典，适配声学模型训练、说话人识别、军事语音技术

Russian through Switched Telephone Network（RuSTeN）是 LDC 于 2006 年发布的俄语电话语音数据集（编号 LDC2006S34），核心用于俄语电话语音识别（ASR）系统的训练与评估，数据源于真实公共交换电话网（PSTN）通话，包含音频、文本及元数据，适配鲁棒性语音技术研发场景。

Middle East Technical University Turkish Microphone Speech v 1.0 数据集是由中东技术大学（Middle East Technical University，METU）创建，语言数据联盟（LDC）于 2006 年发布，编号为 LDC 2006S33。

West Point Korean Speech 是由美国西点军校（USMA）外语系与技术强化语言学习中心（CTELL）构建、LDC 于 2006 年发布的韩语语音数据集（编号 LDC2006S36），核心用于韩语语音识别（ASR）与语言学习课件研发，包含母语者与非母语者的朗读语音及文本标注，适配军用与教育领域的语音技术开发场景。

CSLU: Multilanguage Telephone Speech Version 1.2 是由美国俄勒冈健康与科学大学口语理解中心（CSLU）构建、LDC 于 2006 年发布的多语种电话语音数据集（编号 LDC2006S35），核心用于多语种电话语音识别（ASR）、语言识别与鲁棒性算法研发，数据源自真实电话信道，覆盖 21 种语言，适配低资源语种语音技术冷启动与跨语种模型训练。

Voicemail Corpus Part I（又称 IBM Voicemail Corpus Part I）是由 IBM 采集发布的英语语音邮件专用基准数据集，核心用于语音邮件的 ASR、语音摘要与口语理解建模，以真实语音邮件的单声道独白为特色，覆盖自然口语中的停顿、修正、填充词等非流利特征。

Buckwalter Arabic Morphological Analyzer Version 1.0（BAMA 1.0）是 Tim Buckwalter 开发的经典阿拉伯语形态分析工具 / 数据集，核心用于无变音阿拉伯语文本的形态歧义消解、词法分析与词性标注，是阿拉伯语 NLP 早期研究的基础资源，被广泛用于阿拉伯语树库（ATB）构建与形态分析模型训练。

West Point Arabic Speech（常称 West Point Arabic Speech Corpus，LDC 目录编号 LDC2002S06）是 LDC 发布的现代标准阿拉伯语（MSA）语音识别专用语料库，由美国西点军校主导构建，核心用于阿拉伯语语音识别模型训练、声学建模与方言适配研究，是早期 MSA 语音资源的标杆。