مراجع:
جلا دادن
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/polish')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 520 |
'train' | 25043 |
'train.1h' | 238 |
'train.9h' | 2173 |
'validation' | 512 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
آلمانی
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/german')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 3394 |
'train' | 469942 |
'train.1h' | 241 |
'train.9h' | 2194 |
'validation' | 3469 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
هلندی
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/dutch')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 3075 |
'train' | 374287 |
'train.1h' | 234 |
'train.9h' | 2153 |
'validation' | 3095 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
فرانسوی
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/french')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 2426 |
'train' | 258213 |
'train.1h' | 241 |
'train.9h' | 2167 |
'validation' | 2416 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
اسپانیایی
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/spanish')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 2385 |
'train' | 220701 |
'train.1h' | 233 |
'train.9h' | 2110 |
'validation' | 2408 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
ایتالیایی
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/italian')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 1262 |
'train' | 59623 |
'train.1h' | 240 |
'train.9h' | 2173 |
'validation' | 1248 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
پرتغالی
برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:
ds = tfds.load('huggingface:multilingual_librispeech/portuguese')
- توضیحات :
Multilingual LibriSpeech (MLS) dataset is a large multilingual corpus suitable for speech research. The dataset is derived from read audiobooks from LibriVox and consists of 8 languages - English, German, Dutch, Spanish, French, Italian, Portuguese, Polish.
- مجوز : مجوز شناخته شده ای وجود ندارد
- نسخه : 2.1.0
- تقسیمات :
| تقسیم کنید | نمونه ها |
|---|---|
'test' | 871 |
'train' | 37533 |
'train.1h' | 236 |
'train.9h' | 2116 |
'validation' | 826 |
- ویژگی ها :
{
"file": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"audio": {
"sampling_rate": 16000,
"mono": true,
"id": null,
"_type": "Audio"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"speaker_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"chapter_id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}