ボックスフォージ

  • 説明:

VoxForge は言語分類データセットです。これは、Web サイトに送信された、ユーザーが送信したオーディオ クリップで構成されます。このリリースでは、英語、スペイン語、フランス語、ドイツ語、ロシア語、イタリア語の 6 言語のデータが収集されます。 Web サイトは常に更新されているため、再現性を確保するために、このリリースには 2020 年 1 月 1 日より前に提出された記録のみが含まれています。サンプルは、各スピーカーからのサンプルが正確に 1 つの分割に属するように、トレーニング、検証、およびテストに分割されます。

  • 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.voxforge.org/

  • ソース コード: tfds.audio.Voxforge

  • バージョン:

    • 1.0.0 (デフォルト): リリース ノートはありません。

  • ダウンロードサイズ: サイズUnknown size

  • データセットのサイズ: サイズUnknown size

  • 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。
    VoxForge では、オーディオ アーカイブを手動でダウンロードする必要があります。アーカイブの完全なリストはhttps://storage.googleapis.com/tfds-data/downloads/voxforge/voxforge_urls.txtにあります。次のコマンドを使用してダウンロードできます: wget -i voxforge_urls.txt -xデータセットをローカルで構築するには、最大 100 GB のディスク容量が必要です (ただし、永続的に使用されるのは最大 60 GB のみです)。

  • 自動キャッシュ(ドキュメント): 不明

  • スプリット:

スプリット例
  • 機能構造:
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
    'speaker_id': 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
Speaker_idテンソルストリング
@article{maclean2018voxforge,
  title={Voxforge},
  author={MacLean, Ken},
  journal={Ken MacLean.[Online]. Available: http://www.voxforge.org/home.[Acedido em 2012]},
  year={2018}
}