voxceleb

  • 説明:

話者識別のための大規模なデータセット。このデータは、1,251 人を超えるスピーカーから収集され、合計で 15 万を超えるサンプルがあります。このリリースには、voxceleb1.1 データセットの音声部分が含まれています。

  • 追加のドキュメント:コードを使用したペーパーの探索

  • ホームページ: http://www.robots.ox.ac.uk/~vgg/data/voxceleb/vox1.html

  • ソース コード: tfds.audio.Voxceleb

  • バージョン:

    • 1.2.1 (デフォルト): youtube_id フィールドを追加

  • ダウンロードサイズ: 4.68 MiB

  • データセットサイズ: 107.98 GiB

  • 手動ダウンロードの手順: このデータセットでは、ソース データを手動でdownload_config.manual_dir (デフォルトは~/tensorflow_datasets/downloads/manual/ ) にダウンロードする必要があります。
    manual_dir にはファイル vox_dev_wav.zip が含まれている必要があります。このファイルをダウンロードする手順は、 http: //www.robots.ox.ac.uk/~vgg/data/voxceleb/vox1.html にあります。このデータセットには登録が必要です。

  • 自動キャッシュ(ドキュメント): いいえ

  • スプリット:

スプリット例
'test' 7,972
'train' 134,000
'validation' 6,670
  • 機能構造:
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1252),
    'youtube_id': Text(shape=(), dtype=string),
})
  • 機能のドキュメント:
特徴クラス形Dtype説明
特徴辞書
オーディオオーディオ（なし、） int64
ラベルクラスラベルint64
youtube_id文章ストリング
  • 引用：
@InProceedings{Nagrani17,
    author       = "Nagrani, A. and Chung, J.~S. and Zisserman, A.",
    title        = "VoxCeleb: a large-scale speaker identification dataset",
    booktitle    = "INTERSPEECH",
    year         = "2017",
}