บรรณารักษ์

  • คำอธิบาย :

LibriSpeech เป็นการรวบรวมสุนทรพจน์ภาษาอังกฤษสำหรับการอ่านประมาณ 1,000 ชั่วโมง ด้วยอัตราการสุ่มตัวอย่าง 16 kHz ซึ่งจัดทำโดย Vassil Panayotov ด้วยความช่วยเหลือจาก Daniel Povey ข้อมูลได้มาจากการอ่านหนังสือเสียงจากโครงการ LibriVox และได้รับการแบ่งส่วนและจัดตำแหน่งอย่างระมัดระวัง

ขอแนะนำให้ใช้การถอดรหัสเสียงแบบขี้เกียจเพื่อการอ่านที่เร็วขึ้นและขนาดชุดข้อมูลที่เล็กลง: - ติดตั้งไลบรารี tensorflow_io : pip install tensorflow-io - เปิดใช้งานการถอดรหัสแบบขี้เกียจ: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

แยก ตัวอย่าง
'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
  • โครงสร้างคุณลักษณะ :
FeaturesDict({
    'chapter_id': int64,
    'id': string,
    'speaker_id': int64,
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง Dประเภท คำอธิบาย
คุณสมบัติDict
Chapter_id เทนเซอร์ int64
รหัส เทนเซอร์ สตริง
รหัสลำโพง เทนเซอร์ int64
คำพูด เครื่องเสียง (ไม่มี,) int16
ข้อความ ข้อความ สตริง
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('speech', 'text')

  • รูปภาพ ( tfds.show_examples ): ไม่รองรับ

  • การอ้างอิง :

@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 (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย การกำหนดค่า : ชุดข้อมูลเริ่มต้น

  • รุ่น :

    • 2.1.1 (ค่าเริ่มต้น): แก้ไขประเภทข้อมูลคำพูดด้วย dtype=tf.int16
    • 2.1.2 : เพิ่มการกำหนดค่า 'lazy_decode'
  • ขนาดชุดข้อมูล : 304.47 GiB

  • ตัวอย่าง ( tfds.as_dataframe ):

librispeech/lazy_decode

  • คำอธิบาย การกำหนดค่า : ชุดข้อมูลเสียงดิบ

  • รุ่น :

    • 2.1.1 : แก้ไขประเภทข้อมูลคำพูดด้วย dtype=tf.int16
    • 2.1.2 (ค่าเริ่มต้น): เพิ่มการกำหนดค่า 'lazy_decode'
  • ขนาดชุดข้อมูล : 59.37 GiB

  • ตัวอย่าง ( tfds.as_dataframe ): ไม่มี

,

  • คำอธิบาย :

LibriSpeech เป็นการรวบรวมสุนทรพจน์ภาษาอังกฤษสำหรับการอ่านประมาณ 1,000 ชั่วโมง ด้วยอัตราการสุ่มตัวอย่าง 16 kHz ซึ่งจัดทำโดย Vassil Panayotov ด้วยความช่วยเหลือจาก Daniel Povey ข้อมูลได้มาจากการอ่านหนังสือเสียงจากโครงการ LibriVox และได้รับการแบ่งส่วนและจัดตำแหน่งอย่างระมัดระวัง

ขอแนะนำให้ใช้การถอดรหัสเสียงแบบขี้เกียจเพื่อการอ่านที่เร็วขึ้นและขนาดชุดข้อมูลที่เล็กลง: - ติดตั้งไลบรารี tensorflow_io : pip install tensorflow-io - เปิดใช้งานการถอดรหัสแบบขี้เกียจ: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

แยก ตัวอย่าง
'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
  • โครงสร้างคุณลักษณะ :
FeaturesDict({
    'chapter_id': int64,
    'id': string,
    'speaker_id': int64,
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง Dประเภท คำอธิบาย
คุณสมบัติDict
Chapter_id เทนเซอร์ int64
รหัส เทนเซอร์ สตริง
รหัสลำโพง เทนเซอร์ int64
คำพูด เครื่องเสียง (ไม่มี,) int16
ข้อความ ข้อความ สตริง
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('speech', 'text')

  • รูปภาพ ( tfds.show_examples ): ไม่รองรับ

  • การอ้างอิง :

@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 (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย การกำหนดค่า : ชุดข้อมูลเริ่มต้น

  • รุ่น :

    • 2.1.1 (ค่าเริ่มต้น): แก้ไขประเภทข้อมูลคำพูดด้วย dtype=tf.int16
    • 2.1.2 : เพิ่มการกำหนดค่า 'lazy_decode'
  • ขนาดชุดข้อมูล : 304.47 GiB

  • ตัวอย่าง ( tfds.as_dataframe ):

librispeech/lazy_decode

  • คำอธิบาย การกำหนดค่า : ชุดข้อมูลเสียงดิบ

  • รุ่น :

    • 2.1.1 : แก้ไขประเภทข้อมูลคำพูดด้วย dtype=tf.int16
    • 2.1.2 (ค่าเริ่มต้น): เพิ่มการกำหนดค่า 'lazy_decode'
  • ขนาดชุดข้อมูล : 59.37 GiB

  • ตัวอย่าง ( tfds.as_dataframe ): ไม่มี