ljspeech

• 説明:

これは、1 人の話者が 7 冊のノンフィクションの本からの文章を読んでいる 13,100 の短いオーディオ クリップで構成される、パブリック ドメインの音声データセットです。クリップごとにトランスクリプションが提供されます。クリップの長さは 1 ～ 10 秒で、合計の長さは約 24 時間です。

テキストは 1884 年から 1964 年の間に出版され、パブリック ドメインになっています。音声は 2016 年から 2017 年に LibriVox プロジェクトによって録音され、パブリック ドメインでもあります。

• 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：https: //keihito.com/LJ-Speech-Dataset/

• ソース コード: tfds.datasets.ljspeech.Builder

• バージョン:

  • 1.1.1 (デフォルト): dtype=tf.int16 で音声データ型を修正します。

• ダウンロードサイズ: 2.56 GiB

• データセットサイズ: 10.73 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
'train'	13,100

• 機能構造:

FeaturesDict({
    'id': string,
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
    'text_normalized': 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
ID	テンソル		ストリング
スピーチ	オーディオ	（なし、）	int16
文章	文章		ストリング
text_normalized	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：

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