librispeech

• 説明:

LibriSpeech は、Daniel Povey の支援を受けて Vassil Panayotov によって作成された、サンプリング レート 16 kHz の約 1000 時間の読み上げ英語音声のコーパスです。データは、LibriVox プロジェクトのオーディオブックを読んで得られたもので、慎重にセグメント化および調整されています。

読み取りを高速化し、データセットのサイズを小さくするには、遅延オーディオ デコードを使用することをお勧めします: - tensorflow_ioライブラリをインストールします: pip install tensorflow-io - 遅延デコードを有効にします: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• 追加のドキュメント:コードを使用したペーパーの探索

• ホームページ: http://www.openslr.org/12

• ソースコード: tfds.datasets.librispeech.Builder

• ダウンロードサイズ: 57.14 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

スプリット	例
'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

• 機能構造:

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

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
chapter_id	テンソル		int64
ID	テンソル		ストリング
Speaker_id	テンソル		int64
スピーチ	オーディオ	（なし、）	int16
文章	文章		ストリング

• 監視されたキー( as_supervised docを参照): ('speech', 'text')

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@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 (デフォルト設定)

• 構成の説明: デフォルトのデータセット。

• バージョン:

  • 2.1.1 (デフォルト): dtype=tf.int16 で音声データ型を修正します。
  • 2.1.2 : 「lazy_decode」設定を追加。

• データセットサイズ: 304.47 GiB

• 例( tfds.as_dataframe ):

librispeech/lazy_decode

• 構成の説明: 生のオーディオ データセット。

• バージョン:

  • 2.1.1 : 音声データ型を dtype=tf.int16 で修正。
  • 2.1.2 (デフォルト): 「lazy_decode」構成を追加します。

• データセットサイズ: 59.37 GiB

• 例( tfds.as_dataframe ): ありません。

、

• 説明:

LibriSpeech は、Daniel Povey の支援を受けて Vassil Panayotov によって作成された、サンプリング レート 16 kHz の約 1000 時間の読み上げ英語音声のコーパスです。データは、LibriVox プロジェクトのオーディオブックを読んで得られたもので、慎重にセグメント化および調整されています。

読み取りを高速化し、データセットのサイズを小さくするには、遅延オーディオ デコードを使用することをお勧めします: - tensorflow_ioライブラリをインストールします: pip install tensorflow-io - 遅延デコードを有効にします: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• 追加のドキュメント:コードを使用したペーパーの探索

• ホームページ: http://www.openslr.org/12

• ソースコード: tfds.datasets.librispeech.Builder

• ダウンロードサイズ: 57.14 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

スプリット	例
'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

• 機能構造:

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

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
chapter_id	テンソル		int64
ID	テンソル		ストリング
Speaker_id	テンソル		int64
スピーチ	オーディオ	（なし、）	int16
文章	文章		ストリング

• 監視されたキー( as_supervised docを参照): ('speech', 'text')

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@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 (デフォルト設定)

• 構成の説明: デフォルトのデータセット。

• バージョン:

  • 2.1.1 (デフォルト): dtype=tf.int16 で音声データ型を修正します。
  • 2.1.2 : 「lazy_decode」設定を追加。

• データセットサイズ: 304.47 GiB

• 例( tfds.as_dataframe ):

librispeech/lazy_decode

• 構成の説明: 生のオーディオ データセット。

• バージョン:

  • 2.1.1 : 音声データ型を dtype=tf.int16 で修正。
  • 2.1.2 (デフォルト): 「lazy_decode」構成を追加します。

• データセットサイズ: 59.37 GiB

• 例( tfds.as_dataframe ): ありません。