librispeech

• Descrizione :

LibriSpeech è un corpus di circa 1000 ore di parlato in inglese letto con una frequenza di campionamento di 16 kHz, preparato da Vassil Panayotov con l'assistenza di Daniel Povey. I dati derivano dagli audiolibri letti dal progetto LibriVox e sono stati accuratamente segmentati e allineati.

Si consiglia di utilizzare la decodifica audio lenta per una lettura più rapida e dimensioni del set di dati più piccole: - installa la libreria tensorflow_io : pip install tensorflow-io - abilita la decodifica lazy: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• Documentazione aggiuntiva : esplora documenti con codice north_east

• Pagina iniziale : http://www.openslr.org/12

• Codice sorgente : tfds.datasets.librispeech.Builder

• Dimensione download : 57.14 GiB

• Memorizzazione nella cache automatica ( documentazione ): No

• Divide :

• Struttura delle caratteristiche :

FeaturesDict({
    'chapter_id': int64,
    'id': string,
    'speaker_id': int64,
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi as_supervised doc ): ('speech', 'text')

• Figura ( tfds.show_examples ): non supportato.

• Citazione :

@inproceedings{panayotov2015librispeech,
  title={Librispeech: an ASR corpus based on public domain audio books},
  author={Panayotov, Vassil and Chen, Guoguo and Povey, Daniel and Khudanpur, Sanjeev},
  booktitle={Acoustics, Speech and Signal Processing (ICASSP), 2015 IEEE International Conference on},
  pages={5206--5210},
  year={2015},
  organization={IEEE}
}

librispeech/default (configurazione predefinita)

• Descrizione configurazione : set di dati predefinito.

• Versioni :

  • 2.1.1 (impostazione predefinita): correggi il tipo di dati vocali con dtype=tf.int16.
  • 2.1.2 : Aggiunta la configurazione 'lazy_decode'.

• Dimensione del set di dati : 304.47 GiB

• Esempi ( tfds.as_dataframe ):

librispeech/lazy_decode

• Descrizione della configurazione : set di dati audio grezzi.

• Versioni :

  • 2.1.1 : Correzione del tipo di dati vocali con dtype=tf.int16.
  • 2.1.2 (impostazione predefinita): aggiungi la configurazione 'lazy_decode'.

• Dimensione del set di dati : 59.37 GiB

• Esempi ( tfds.as_dataframe ):