الملل

  • الوصف :

مجموعة TED-LIUM عبارة عن محادثات TED باللغة الإنجليزية ، مع نسخ ، تم أخذ عينات منها عند 16 كيلو هرتز. يحتوي على حوالي 118 ساعة من الكلام.

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),
})
  • وثائق الميزة :
ميزة فصل شكل نوع وصف
الميزات
جنس ClassLabel int64
بطاقة تعريف موتر خيط
Speaker_id موتر خيط
خطاب صوتي (لا أحد،) int64
نص نص خيط
@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 (التكوين الافتراضي)

  • وصف التكوين : مجموعة TED-LIUM عبارة عن محادثات TED باللغة الإنجليزية ، مع نسخ نصية ، وأخذ عينات منها عند 16 كيلو هرتز. يحتوي على حوالي 118 ساعة من الكلام.

    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).

  • الصفحة الرئيسية : https://www.openslr.org/7/

  • حجم التحميل : 19.82 GiB

  • حجم مجموعة البيانات : 39.23 GiB

  • الانقسامات :

ينقسم أمثلة
'test' 1،469
'train' 56803
'validation' 591

الملل / الإصدار 2

  • وصف التكوين : هذا هو الإصدار 2 من مجموعة TED-LIUM ، المرخص بموجب المشاع الإبداعي 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.

  • الصفحة الرئيسية https://www.openslr.org/19/

  • حجم التحميل : 34.26 GiB

  • حجم مجموعة البيانات : 67.04 GiB

  • الانقسامات :

ينقسم أمثلة
'test' 1،469
'train' 92973
'validation' 591

الملل / الإفراج 3

  • وصف التكوين : هذا هو الإصدار 3 من مجموعة TED-LIUM ، المرخص بموجب المشاع الإبداعي 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    .

  • الصفحة الرئيسية https://www.openslr.org/51/

  • حجم التحميل : 50.59 GiB

  • حجم مجموعة البيانات : 145.67 GiB

  • الانقسامات :

ينقسم أمثلة
'test' 1،469
'train' 268263
'validation' 591