Еще из интересного. Есть датасет Common Voice. Вроде прекрасно, бесплатная датка. Но есть один нюанс. Почему-то в языковых парах: Русский - Белорусский Татарский - Башкирский Испанский - Каталонский Лидирует менее популярный язык. И очень много эсперанто. Интересно, почему?)