- توضیحات :
LibriTTS یک مجموعه انگلیسی چند سخنران است که تقریباً 585 ساعت گفتار انگلیسی خوانده شده با نرخ نمونه برداری 24 کیلوهرتز است که توسط Heiga Zen با کمک Google Speech و اعضای تیم Google Brain تهیه شده است. مجموعه LibriTTS برای تحقیقات TTS طراحی شده است. این از مواد اصلی (فایل های صوتی mp3 از LibriVox و فایل های متنی از پروژه گوتنبرگ) مجموعه LibriSpeech مشتق شده است. تفاوت های اصلی با مجموعه LibriSpeech در زیر ذکر شده است:
- فایل های صوتی با نرخ نمونه برداری 24 کیلوهرتز هستند.
- گفتار در شکستن جمله تقسیم می شود.
- هر دو متن اصلی و عادی گنجانده شده است.
- اطلاعات متنی (مثلاً جملات همسایه) قابل استخراج است.
- جملات با نویز پس زمینه قابل توجه مستثنی هستند.
اسناد اضافی : کاوش در کاغذها با کد
صفحه اصلی : http://www.openslr.org/60
کد منبع :
tfds.datasets.libritts.Builder
نسخه ها :
-
1.0.1
(پیش فرض): بدون یادداشت انتشار.
-
حجم دانلود :
78.42 GiB
حجم مجموعه داده :
271.41 GiB
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
شکاف | مثال ها |
---|---|
'dev_clean' | 5736 |
'dev_other' | 4613 |
'test_clean' | 4,837 |
'test_other' | 5,120 |
'train_clean100' | 33,236 |
'train_clean360' | 116500 |
'train_other500' | 205,044 |
- ساختار ویژگی :
FeaturesDict({
'chapter_id': int64,
'id': string,
'speaker_id': int64,
'speech': Audio(shape=(None,), dtype=int64),
'text_normalized': Text(shape=(), dtype=string),
'text_original': Text(shape=(), dtype=string),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
فصل_id | تانسور | int64 | ||
شناسه | تانسور | رشته | ||
speaker_id | تانسور | int64 | ||
سخن، گفتار | سمعی | (هیچ یک،) | int64 | |
text_normalized | متن | رشته | ||
متن_اصل | متن | رشته |
کلیدهای نظارت شده ( به عنوان_سند
as_supervised
مراجعه کنید):('text_normalized', 'speech')
شکل ( tfds.show_examples ): پشتیبانی نمی شود.
مثالها ( tfds.as_dataframe ):
- نقل قول :
@inproceedings{zen2019libritts,
title = {LibriTTS: A Corpus Derived from LibriSpeech for Text-to-Speech},
author = {H. Zen and V. Dang and R. Clark and Y. Zhang and R. J. Weiss and Y. Jia and Z. Chen and Y. Wu},
booktitle = {Proc. Interspeech},
month = sep,
year = {2019},
doi = {10.21437/Interspeech.2019-2441},
}