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

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