- Descrição :
O corpus TED-LIUM são palestras TED em inglês, com transcrições, amostradas em 16kHz. Ele contém cerca de 118 horas de fala.
Documentação Adicional : Explore em Papers With Code
Código -fonte:
tfds.datasets.tedlium.Builder
Versões :
-
1.0.1
(padrão): Sem notas de versão.
-
Armazenado em cache automaticamente ( documentação ): Não
Estrutura de recursos :
FeaturesDict({
'gender': ClassLabel(shape=(), dtype=int64, num_classes=3),
'id': string,
'speaker_id': string,
'speech': Audio(shape=(None,), dtype=int64),
'text': Text(shape=(), dtype=string),
})
- Documentação do recurso:
Recurso | Aula | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
gênero | ClassLabel | int64 | ||
eu ia | tensor | corda | ||
speaker_id | tensor | corda | ||
discurso | áudio | (Nenhum,) | int64 | |
texto | Texto | corda |
Chaves supervisionadas (consulte o documento
as_supervised
):('speech', 'text')
Figura ( tfds.show_examples ): Não compatível.
Citação :
@inproceedings{rousseau2012tedlium,
title={TED-LIUM: an Automatic Speech Recognition dedicated corpus},
author={Rousseau, Anthony and Del{\'e}glise, Paul and Est{\`e}ve, Yannick},
booktitle={Conference on Language Resources and Evaluation (LREC)},
pages={125--129},
year={2012}
}
tedlium/release1 (configuração padrão)
Descrição da configuração : O corpus TED-LIUM são palestras TED em inglês, com transcrições, amostradas em 16kHz. Ele contém cerca de 118 horas de fala.
This is the TED-LIUM corpus release 1, licensed under Creative Commons BY-NC-ND 3.0 (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en).
Página inicial : https://www.openslr.org/7/
Tamanho do download :
19.82 GiB
Tamanho do conjunto de dados :
39.23 GiB
Divisões :
Dividir | Exemplos |
---|---|
'test' | 1.469 |
'train' | 56.803 |
'validation' | 591 |
- Exemplos ( tfds.as_dataframe ):
tedlium/release2
Descrição da configuração : Este é o TED-LIUM corpus release 2, licenciado sob Creative Commons BY-NC-ND 3.0 ( http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en ).
All talks and text are property of TED Conferences LLC. The TED-LIUM corpus was made from audio talks and their transcriptions available on the TED website. We have prepared and filtered these data in order to train acoustic models to participate to the International Workshop on Spoken Language Translation 2011 (the LIUM English/French SLT system reached the first rank in the SLT task). Contains 1495 talks and transcripts.
Página inicial : https://www.openslr.org/19/
Tamanho do download :
34.26 GiB
Tamanho do conjunto de dados :
67.04 GiB
Divisões :
Dividir | Exemplos |
---|---|
'test' | 1.469 |
'train' | 92.973 |
'validation' | 591 |
- Exemplos ( tfds.as_dataframe ):
tedlium/release3
Descrição da configuração : Este é o TED-LIUM corpus release 3, licenciado sob Creative Commons BY-NC-ND 3.0.
All talks and text are property of TED Conferences LLC. This new TED-LIUM release was made through a collaboration between the Ubiqus company and the LIUM (University of Le Mans, France) Contents: - 2351 audio talks in NIST sphere format (SPH), including talks from TED-LIUM 2: be careful, same talks but not same audio files (only these audio file must be used with the TED-LIUM 3 STM files) - 452 hours of audio - 2351 aligned automatic transcripts in STM format - TEDLIUM 2 dev and test data: 19 TED talks in SPH format with corresponding manual transcriptions (cf. 'legacy' distribution below). - Dictionary with pronunciations (159848 entries), same file as the one included in TED-LIUM 2 - Selected monolingual data for language modeling from WMT12 publicly available corpora: these files come from the TED-LIUM 2 release, but have been modified to get a tokenization more relevant for English language Two corpus distributions: - the legacy one, on which the dev and test datasets are the same as in TED-LIUM 2 (and TED-LIUM 1). - the 'speaker adaptation' one, especially designed for experiments on speaker adaptation.
Página inicial : https://www.openslr.org/51/
Tamanho do download :
50.59 GiB
Tamanho do conjunto de dados :
145.67 GiB
Divisões :
Dividir | Exemplos |
---|---|
'test' | 1.469 |
'train' | 268.263 |
'validation' | 591 |
- Exemplos ( tfds.as_dataframe ):