ljspeech

  • Описание :

Это общедоступный набор речевых данных, состоящий из 13 100 коротких аудиоклипов, в которых один спикер читает отрывки из 7 научно-популярных книг. Транскрипция предоставляется для каждого клипа. Клипы различаются по длине от 1 до 10 секунд и имеют общую продолжительность примерно 24 часа.

Тексты были опубликованы между 1884 и 1964 годами и находятся в общественном достоянии. Аудио было записано в 2016-17 годах проектом LibriVox и также находится в открытом доступе.

  • Домашняя страница : https://keithito.com/LJ-Speech-Dataset/

  • Исходный код : tfds.audio.Ljspeech

  • Версии :

    • 1.1.1 (по умолчанию) : исправлен тип речевых данных с dtype=tf.int16.
  • Размер загрузки : 2.56 GiB

  • Размер набора данных : 10.73 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 13 100
  • Структура функции :
FeaturesDict({
    'id': tf.string,
    'speech': Audio(shape=(None,), dtype=tf.int16),
    'text': Text(shape=(), dtype=tf.string),
    'text_normalized': Text(shape=(), dtype=tf.string),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
я бы Тензор tf.string
речь Аудио (Никто,) tf.int16
текст Текст tf.string
text_normalized Текст tf.string
  • Цитата :
@misc{ljspeech17,
  author       = {Keith Ito},
  title        = {The LJ Speech Dataset},
  howpublished = {\url{https://keithito.com/LJ-Speech-Dataset/} },
  year         = 2017
}