разговорная_цифра

• Описание :

Бесплатный аудио набор голосовых данных. Подумайте о MNIST для аудио.

Простой набор аудио/речевых данных, состоящий из записей произнесенных цифр в wav-файлах с частотой 8 кГц. Записи обрезаны таким образом, чтобы в начале и в конце была почти минимальная тишина.

5 динамиков
2500 записей (по 50 каждой цифры на динамик)
Английское произношение

Файлы именуются в следующем формате: {digitLabel} {speakerName} {index}.wav

• Дополнительная документация : изучить документы с кодом

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

• Исходный код : tfds.datasets.spoken_digit.Builder

• Версии :

  • 1.0.9 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 11.42 MiB

• Размер набора данных : 45.68 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	2500

• Структура функции :

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

• Документация по функциям :

Характерная черта	Класс	Форма	Dтип	Описание
	ОсобенностиDict
аудио	Аудио	(Никто,)	int64
аудио/имя файла	Текст		нить
этикетка	Метка класса		int64

• Контролируемые ключи (см . документ as_supervised ): ('audio', 'label')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

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