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।

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