บรรณารักษ์

• คำอธิบาย :

LibriSpeech เป็นคลังคำพูดภาษาอังกฤษที่อ่านได้นานประมาณ 1,000 ชั่วโมง โดยมีอัตราการสุ่มตัวอย่าง 16 kHz จัดทำโดย Vassil Panayotov ด้วยความช่วยเหลือของ Daniel Povey ข้อมูลนี้ได้มาจากการอ่านหนังสือเสียงจากโครงการ LibriVox และได้รับการแบ่งส่วนและจัดแนวอย่างระมัดระวัง

ขอแนะนำให้ใช้การถอดรหัสเสียงแบบขี้เกียจเพื่อการอ่านที่รวดเร็วขึ้นและขนาดชุดข้อมูลที่เล็กลง: - ติดตั้งไลบรารี tensorflow_io : pip install tensorflow-io - เปิดใช้งานการถอดรหัสแบบขี้เกียจ: tfds.load('librispeech', builder_kwargs={'config': 'lazy_decode'})

• เอกสารประกอบเพิ่มเติม : สำรวจในเอกสารด้วยรหัส north_east

• หน้าแรก : http://www.openslr.org/12

• ซอร์สโค้ด : tfds.datasets.librispeech.Builder

• ขนาดการดาวน์โหลด : 57.14 GiB

• แคชอัตโนมัติ ( เอกสาร ): No

• แยก :

• โครงสร้างคุณสมบัติ :

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

• เอกสารคุณสมบัติ :

• ปุ่มภายใต้การดูแล (ดู as_supervised doc ): ('speech', 'text')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• การอ้างอิง :

@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/ค่าเริ่มต้น (การกำหนดค่าเริ่มต้น)

• คำอธิบายการกำหนดค่า : ชุดข้อมูลเริ่มต้น

• รุ่น :

  • 2.1.1 (ค่าเริ่มต้น): แก้ไขประเภทข้อมูลคำพูดด้วย dtype=tf.int16
  • 2.1.2 : เพิ่มการกำหนดค่า 'lazy_decode'

• ขนาดชุดข้อมูล : 304.47 GiB

• ตัวอย่าง ( tfds.as_dataframe ):

librispeech/lazy_decode

• คำอธิบายการกำหนดค่า : ชุดข้อมูลเสียงดิบ

• รุ่น :

  • 2.1.1 : แก้ไขประเภทข้อมูลคำพูดด้วย dtype=tf.int16
  • 2.1.2 (ค่าเริ่มต้น): เพิ่มการกำหนดค่า 'lazy_decode'

• ขนาดชุดข้อมูล : 59.37 GiB

• ตัวอย่าง ( tfds.as_dataframe ):