librispeech

• Descrição :

LibriSpeech é um corpus de aproximadamente 1000 horas de leitura de fala em inglês com taxa de amostragem de 16 kHz, preparado por Vassil Panayotov com a ajuda de Daniel Povey. Os dados são derivados de audiolivros lidos do projeto LibriVox e foram cuidadosamente segmentados e alinhados.

Recomenda-se usar a decodificação de áudio lenta para leitura mais rápida e menor tamanho do conjunto de dados: - instale a biblioteca tensorflow_io : pip install tensorflow-io - habilite a decodificação lenta: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• Documentação Adicional : Explore em Papers With Code

• Homepage : http://www.openslr.org/12

• Código -fonte: tfds.datasets.librispeech.Builder

• Tamanho do download : 57.14 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'dev_clean'	2.703
'dev_other'	2.864
'test_clean'	2.620
'test_other'	2.939
'train_clean100'	28.539
'train_clean360'	104.014
'train_other500'	148.688

• Estrutura de recursos :

FeaturesDict({
    'chapter_id': int64,
    'id': string,
    'speaker_id': int64,
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Funcionalidade	Aula	Forma	Tipo D	Descrição
	RecursosDict
capítulo_id	tensor		int64
Eu iria	tensor		fragmento
speaker_id	tensor		int64
discurso	áudio	(Nenhum,)	int16
texto	Texto		fragmento

• Chaves supervisionadas (consulte o documento as_supervised ): ('speech', 'text')

• Figura ( tfds.show_examples ): Não compatível.

• Citação :

@inproceedings{panayotov2015librispeech,
  title={Librispeech: an ASR corpus based on public domain audio books},
  author={Panayotov, Vassil and Chen, Guoguo and Povey, Daniel and Khudanpur, Sanjeev},
  booktitle={Acoustics, Speech and Signal Processing (ICASSP), 2015 IEEE International Conference on},
  pages={5206--5210},
  year={2015},
  organization={IEEE}
}

librispeech/default (configuração padrão)

• Descrição da configuração : conjunto de dados padrão.

• Versões :

  • 2.1.1 (padrão): Corrige o tipo de dados de fala com dtype=tf.int16.
  • 2.1.2 : Adicionar configuração 'lazy_decode'.

• Tamanho do conjunto de dados : 304.47 GiB

• Exemplos ( tfds.as_dataframe ):

librispeech/lazy_decode

• Descrição da configuração : conjunto de dados de áudio bruto.

• Versões :

  • 2.1.1 : Corrige o tipo de dados de fala com dtype=tf.int16.
  • 2.1.2 (padrão): Adicionar configuração 'lazy_decode'.

• Tamanho do conjunto de dados : 59.37 GiB

• Exemplos ( tfds.as_dataframe ): Ausente.