librispeech

• opis :

LibriSpeech to zbiór około 1000 godzin czytanej mowy angielskiej z częstotliwością próbkowania 16 kHz, przygotowany przez Vassila Panayotova z pomocą Daniela Poveya. Dane pochodzą z przeczytanych audiobooków z projektu LibriVox i zostały starannie podzielone i wyrównane.

Zaleca się użycie leniwego dekodowania dźwięku w celu szybszego odczytu i mniejszego rozmiaru zestawu danych: - zainstaluj bibliotekę tensorflow_io : pip install tensorflow-io - włącz leniwe dekodowanie: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na

• Strona główna : http://www.openslr.org/12

• Kod źródłowy : tfds.datasets.librispeech.Builder

• Rozmiar pliku do pobrania : 57.14 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Podział	Przykłady
'dev_clean'	2703
'dev_other'	2864
'test_clean'	2620
'test_other'	2939
'train_clean100'	28539
'train_clean360'	104 014
'train_other500'	148688

• Struktura funkcji :

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

• Dokumentacja funkcji :

Funkcja	Klasa	Kształtować się	Typ D	Opis
	FunkcjeDict
identyfikator_rozdziału	Napinacz		int64
ID	Napinacz		strunowy
identyfikator_mówcy	Napinacz		int64
przemówienie	Audio	(Nic,)	int16
tekst	Tekst		strunowy

• Nadzorowane klucze (Zobacz as_supervised doc ): ('speech', 'text')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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 (domyślna konfiguracja)

• Opis konfiguracji : domyślny zestaw danych.

• Wersje :

  • 2.1.1 (domyślnie): Napraw typ danych mowy za pomocą dtype=tf.int16.
  • 2.1.2 : Dodaj konfigurację „lazy_decode”.

• Rozmiar zestawu danych : 304.47 GiB

• Przykłady ( tfds.as_dataframe ):

librispeech/lazy_decode

• Opis konfiguracji : nieprzetworzony zestaw danych audio.

• Wersje :

  • 2.1.1 : Napraw typ danych mowy za pomocą dtype=tf.int16.
  • 2.1.2 (domyślnie): Dodaj konfigurację „lazy_decode”.

• Rozmiar zestawu danych : 59.37 GiB

• Przykłady ( tfds.as_dataframe ): Brak.