リブリッツ

• 説明:

LibriTTS は、Google Speech および Google Brain チーム メンバーの支援を受けて Heiga Zen によって作成された、24kHz のサンプリング レートで約 585 時間の読み上げられた英語音声のマルチスピーカー英語コーパスです。 LibriTTS コーパスは、TTS 研究用に設計されています。これは、LibriSpeech コーパスの元の資料 (LibriVox の mp3 オーディオ ファイルと Project Gutenberg のテキスト ファイル) から派生したものです。 LibriSpeech コーパスとの主な違いは次のとおりです。

1. オーディオ ファイルのサンプリング レートは 24kHz です。
2. スピーチは文の区切りで分割されます。
3. オリジナルと正規化されたテキストの両方が含まれています。
4. 文脈情報 (例えば、隣接する文) を抽出できます。
5. バックグラウンド ノイズが大きい発話は除外されます。

• 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/60

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

• バージョン:

  • 1.0.1 (デフォルト): リリース ノートはありません。

• ダウンロードサイズ: 78.42 GiB

• データセットサイズ: 271.41 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'	5,736
'dev_other'	4,613
'test_clean'	4,837
'test_other'	5,120
'train_clean100'	33,236
'train_clean360'	116,500
'train_other500'	205,044

• 機能構造:

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),
})

• 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、）	int64
text_normalized	文章		ストリング
text_original	文章		ストリング

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

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

• 例( tfds.as_dataframe ):

• 引用：

@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},
}