リブスピーチ

• 説明：

LibriSpeech は、Daniel Povey の協力を得て Vassil Panayotov が作成した、サンプリング レート 16 kHz の約 1000 時間の英語音声読み上げコーパスです。データは、LibriVox プロジェクトから読み取られたオーディオブックから取得され、慎重にセグメント化され、調整されています。

読み取りを高速化し、データセット サイズを小さくするには、遅延オーディオ デコードを使用することをお勧めします。 - tensorflow_ioライブラリをインストールします: pip install tensorflow-io - 遅延デコードを有効にします: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• 追加ドキュメント:コード付きの論文について調べるnorth_east

• ホームページ: http://www.openslr.org/12

• ソースコード: tfds.datasets.librispeech.Builder

• ダウンロードサイズ: 57.14 GiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

• 機能の構造:

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

• 機能ドキュメント:

• 監視キー( as_supervised doc を参照): ('speech', 'text')

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@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 (デフォルト設定)

• 構成の説明: デフォルトのデータセット。

• バージョン:

  • 2.1.1 (デフォルト): 音声データ型を dtype=tf.int16 で修正します。
  • 2.1.2 : 「lazy_decode」設定を追加します。

• データセットのサイズ: 304.47 GiB

• 例( tfds.as_dataframe ):

librispeech/lazy_decode

• 構成の説明: Raw オーディオ データセット。

• バージョン:

  • 2.1.1 : dtype=tf.int16 で音声データ型を修正。
  • 2.1.2 (デフォルト): 「lazy_decode」構成を追加します。

• データセットのサイズ: 59.37 GiB

• 例( tfds.as_dataframe ):