falado_dígito

  • Descrição :

Um conjunto de dados de áudio gratuito de dígitos falados. Pense no MNIST para áudio.

Um conjunto de dados de áudio/fala simples que consiste em gravações de dígitos falados em arquivos wav a 8kHz. As gravações são cortadas para que tenham o mínimo de silêncio no início e no fim.

5 alto-falantes
2.500 gravações (50 de cada dígito por alto-falante)
pronúncias em inglês

Os arquivos são nomeados no seguinte formato: {digitLabel} {speakerName} {index}.wav

Dividir Exemplos
'train' 2.500
  • Estrutura de recursos :
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
áudio áudio (Nenhum,) int64
áudio/nome do arquivo Texto corda
rótulo ClassLabel int64
  • Citação :
@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}