- 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.BuilderWersje :
-
1.0.9(domyślnie): Brak informacji o wersji.
-
Rozmiar pliku do pobrania :
11.42 MiBRozmiar zestawu danych :
45.68 MiBAutomatyczne 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 | Opis |
|---|---|---|---|---|
| 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"
}