mówiona_cyfra

opis :

Bezpłatny zestaw danych dźwiękowych z wymawianymi cyframi. Pomyśl o MNIST dla dźwięku.

Prosty zestaw danych audio/mowy składający się z nagrań wypowiadanych cyfr w plikach wav z częstotliwością 8 kHz. Nagrania są przycinane tak, aby na początku i na końcu miały niemal minimalną ciszę.

5 głośników
2500 nagrań (50 z każdej cyfry na głośnik)
angielskie wymowy

Nazwy plików mają następujący format: {digitLabel} {speakerName} {index}.wav

Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
Strona główna : https://github.com/Jakobovski/free-spoken-digit-dataset
Kod źródłowy : tfds.datasets.spoken_digit.Builder
Wersje :
- 1.0.9 (domyślnie): Brak informacji o wersji.
Rozmiar pliku do pobrania : 11.42 MiB
Rozmiar zestawu danych : 45.68 MiB
Automatyczne buforowanie ( dokumentacja ): Tak
Podziały :

Podział	Przykłady
`'train'`	2500

Struktura funkcji :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D
	FunkcjeDict
audio	Audio	(Nic,)	int64
dźwięk/nazwa pliku	Tekst		strunowy
etykieta	Etykieta klasy		int64

Klucze nadzorowane (zobacz dokument as_supervised ): ('audio', 'label')
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Przykłady ( tfds.as_dataframe ):

Cytat :

@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}