- Descripción :
Este es un conjunto de datos de voz de dominio público que consta de 13 100 clips de audio breves de un solo hablante que lee pasajes de 7 libros de no ficción. Se proporciona una transcripción para cada clip. Los clips varían en duración de 1 a 10 segundos y tienen una duración total de aproximadamente 24 horas.
Los textos se publicaron entre 1884 y 1964 y son de dominio público. El audio fue grabado en 2016-17 por el proyecto LibriVox y también es de dominio público.
Documentación adicional : Explore en Papers With Code
Página de inicio : https://keithito.com/LJ-Speech-Dataset/
Código fuente :
tfds.datasets.ljspeech.BuilderVersiones :
-
1.1.1(predeterminado): corrige el tipo de datos de voz con dtype=tf.int16.
-
Tamaño de descarga :
2.56 GiBTamaño del conjunto de datos :
10.73 GiBAlmacenamiento automático en caché ( documentación ): No
Divisiones :
| Separar | Ejemplos |
|---|---|
'train' | 13,100 |
- Estructura de características :
FeaturesDict({
'id': string,
'speech': Audio(shape=(None,), dtype=int16),
'text': Text(shape=(), dtype=string),
'text_normalized': Text(shape=(), dtype=string),
})
- Documentación de características :
| Rasgo | Clase | Forma | Tipo D | Descripción |
|---|---|---|---|---|
| CaracterísticasDict | ||||
| identificación | Tensor | cuerda | ||
| discurso | Audio | (Ninguna,) | int16 | |
| texto | Texto | cuerda | ||
| texto_normalizado | Texto | cuerda |
Teclas supervisadas (ver documento
as_supervised):('text_normalized', 'speech')Figura ( tfds.show_examples ): no compatible.
Ejemplos ( tfds.as_dataframe ):
- Cita :
@misc{ljspeech17,
author = {Keith Ito},
title = {The LJ Speech Dataset},
howpublished = {\url{https://keithito.com/LJ-Speech-Dataset/} },
year = 2017
}