L'Université de Wuhan, en collaboration avec l'équipe d'intelligence artificielle Jiu Tian de China Mobile et l'Université Duke Kunshan, a publié en open source VoxBlink2, un ensemble de données d'identification de locuteur audio-vidéo de plus de 110 000 heures basé sur des données YouTube. Cet ensemble de données comprend 9 904 382 segments audio de haute qualité et leurs segments vidéo correspondants, provenant de 111 284 utilisateurs YouTube. Il s'agit du plus grand ensemble de données d'identification de locuteur audio-vidéo publiquement disponible à ce jour. La publication de cet ensemble de données vise à enrichir les corpus de parole open source et à soutenir l'entraînement de grands modèles de reconnaissance vocale.