स्पोकन_डिजिट

• विवरण :

बोले गए अंकों का एक मुफ़्त ऑडियो डेटासेट। ऑडियो के लिए MNIST सोचें।

8kHz पर wav फ़ाइलों में बोले गए अंकों की रिकॉर्डिंग वाला एक साधारण ऑडियो/स्पीच डेटासेट। रिकॉर्डिंग को ट्रिम किया जाता है ताकि शुरुआत और अंत में उनके पास न्यूनतम मौन हो।

5 वक्ता
2,500 रिकॉर्डिंग (प्रति वक्ता प्रत्येक अंक का 50)
अंग्रेजी उच्चारण

फ़ाइलों को निम्न स्वरूप में नामित किया गया है: {digitLabel} {speakerName} {index}.wav

• अतिरिक्त दस्तावेज़ीकरण : कोड वाले पेपर्स पर एक्सप्लोर करें

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

• स्रोत कोड : tfds.datasets.spoken_digit.Builder

• संस्करण :

  • 1.0.9 (डिफ़ॉल्ट): कोई रिलीज़ नोट नहीं।

• डाउनलोड आकार : 11.42 MiB

• डेटासेट का आकार : 45.68 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

विभाजित करना	उदाहरण
'train'	2,500

• फ़ीचर संरचना :

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

• फ़ीचर दस्तावेज़ीकरण :

विशेषता	कक्षा	आकार	डीटाइप	विवरण
	विशेषताएं डिक्ट
ऑडियो	ऑडियो	(कोई भी नहीं,)	int64
ऑडियो/फ़ाइल नाम	लेख		डोरी
लेबल	क्लासलेबल		int64

• पर्यवेक्षित कुंजी ( as_supervised दस्तावेज़ देखें): ('audio', 'label')

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

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