comandos de fala

Descrição :

Um conjunto de dados de áudio de palavras faladas projetado para ajudar a treinar e avaliar os sistemas de detecção de palavras-chave. Seu objetivo principal é fornecer uma maneira de construir e testar pequenos modelos que detectam quando uma única palavra é falada, a partir de um conjunto de dez palavras-alvo, com o menor número possível de falsos positivos de ruído de fundo ou fala não relacionada. Observe que no conjunto de treinamento e validação, o rótulo "desconhecido" é muito mais prevalente do que os rótulos das palavras-alvo ou do ruído de fundo. Uma diferença da versão de lançamento é a manipulação de segmentos silenciosos. Enquanto no conjunto de teste os segmentos de silêncio são arquivos regulares de 1 segundo, no treinamento eles são fornecidos como segmentos longos na pasta "background_noise". Aqui, dividimos esses ruídos de fundo em clipes de 1 segundo e também mantemos um dos arquivos para o conjunto de validação.

Documentação Adicional : Explore em Papers With Code
Página inicial : https://arxiv.org/abs/1804.03209
Código -fonte: tfds.datasets.speech_commands.Builder
Versões :
- 0.0.3 (padrão): Corrige o tipo de dados de áudio com dtype=tf.int16.
Tamanho do download : 2.37 GiB
Tamanho do conjunto de dados : 8.17 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'test'`	4.890
`'train'`	85.511
`'validation'`	10.102

Estrutura de recursos :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int16),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=12),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
áudio	áudio	(Nenhum,)	int16
rótulo	ClassLabel		int64

Chaves supervisionadas (consulte o documento as_supervised ): ('audio', 'label')
Figura ( tfds.show_examples ): Não compatível.
Exemplos ( tfds.as_dataframe ):

Citação :

@article{speechcommandsv2,
   author = { {Warden}, P.},
    title = "{Speech Commands: A Dataset for Limited-Vocabulary Speech Recognition}",
  journal = {ArXiv e-prints},
  archivePrefix = "arXiv",
  eprint = {1804.03209},
  primaryClass = "cs.CL",
  keywords = {Computer Science - Computation and Language, Computer Science - Human-Computer Interaction},
    year = 2018,
    month = apr,
    url = {https://arxiv.org/abs/1804.03209},
}