lisan_digit

• Deskripsi :

Kumpulan data audio gratis dari angka yang diucapkan. Pikirkan MNIST untuk audio.

Kumpulan data audio/ucapan sederhana yang terdiri dari rekaman digit yang diucapkan dalam file wav pada 8kHz. Rekaman dipangkas sehingga hampir tidak ada keheningan di awal dan akhir.

5 pembicara
2.500 rekaman (50 dari setiap digit per speaker)
pengucapan bahasa Inggris

File diberi nama dalam format berikut: {digitLabel} {speakerName} {index}.wav

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode

• Beranda : https://github.com/Jakobovski/free-spoken-digit-dataset

• Kode sumber : tfds.datasets.spoken_digit.Builder

• Versi :

  • 1.0.9 (default): Tidak ada catatan rilis.

• Ukuran unduhan : 11.42 MiB

• Ukuran dataset : 45.68 MiB

• Di-cache otomatis ( dokumentasi ): Ya

• Perpecahan :

Membelah	Contoh
'train'	2.500

• Struktur fitur :

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

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
audio	Audio	(Tidak ada,)	int64
audio/nama file	Teks		rangkaian
label	LabelKelas		int64

• Kunci yang diawasi (Lihat as_supervised doc ): ('audio', 'label')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):

• Kutipan :

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