ljspeech

• توضیحات :

این یک مجموعه داده گفتاری دامنه عمومی است که شامل 13100 کلیپ صوتی کوتاه از یک سخنران است که در حال خواندن قطعاتی از 7 کتاب غیرداستانی است. برای هر کلیپ رونویسی ارائه شده است. طول کلیپ ها از 1 تا 10 ثانیه متغیر است و طول کلی آنها تقریباً 24 ساعت است.

این متون بین سال‌های 1884 تا 1964 منتشر شده‌اند و در مالکیت عمومی قرار دارند. این صدا در سال 17-2016 توسط پروژه LibriVox ضبط شده است و همچنین در مالکیت عمومی است.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://keithito.com/LJ-Speech-Dataset/

• کد منبع : tfds.datasets.ljspeech.Builder

• نسخه ها :

  • 1.1.1 (پیش فرض): نوع داده گفتار را با dtype=tf.int16 اصلاح کنید.

• حجم دانلود : 2.56 GiB

• حجم مجموعه داده : 10.73 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	13100

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
شناسه	تانسور		رشته
سخن، گفتار	سمعی	(هیچ یک،)	int16
متن	متن		رشته
text_normalized	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 :

@misc{ljspeech17,
  author       = {Keith Ito},
  title        = {The LJ Speech Dataset},
  howpublished = {\url{https://keithito.com/LJ-Speech-Dataset/} },
  year         = 2017
}