ljspeech

• विवरण :

यह एक सार्वजनिक डोमेन भाषण डेटासेट है जिसमें एक वक्ता के 13,100 लघु ऑडियो क्लिप शामिल हैं जो 7 गैर-काल्पनिक पुस्तकों से पैसेज पढ़ते हैं। प्रत्येक क्लिप के लिए एक प्रतिलेखन प्रदान किया जाता है। क्लिप की लंबाई 1 से 10 सेकंड तक होती है और इसकी कुल लंबाई लगभग 24 घंटे होती है।

ग्रंथ 1884 और 1964 के बीच प्रकाशित हुए थे, और सार्वजनिक डोमेन में हैं। ऑडियो 2016-17 में लिब्रीवॉक्स प्रोजेक्ट द्वारा रिकॉर्ड किया गया था और यह सार्वजनिक डोमेन में भी है।

• अतिरिक्त दस्तावेज़ीकरण : कोड वाले पेपर्स पर एक्सप्लोर करें

• होमपेज : https://keithito.com/LJ-Speech-Dataset/

• स्रोत कोड : tfds.datasets.ljspeech.Builder

• संस्करण :

  • 1.1.1 (डिफ़ॉल्ट): भाषण डेटा प्रकार को dtype=tf.int16 के साथ ठीक करें।

• डाउनलोड आकार : 2.56 GiB

• डेटासेट का आकार : 10.73 GiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• विभाजन :

विभाजित करना	उदाहरण
'train'	13,100

• फ़ीचर संरचना :

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

• फ़ीचर दस्तावेज़ीकरण :

विशेषता	कक्षा	आकार	डीटाइप	विवरण
	विशेषताएं डिक्ट
पहचान	टेन्सर		डोरी
भाषण	ऑडियो	(कोई भी नहीं,)	int16
मूलपाठ	मूलपाठ		डोरी
text_सामान्यीकृत	मूलपाठ		डोरी

• पर्यवेक्षित कुंजियाँ ( as_supervised दस्तावेज़ देखें): ('text_normalized', 'speech')

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

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