- คำอธิบาย :
SAVEE (Surrey Audio-Visual Expressed Emotion) เป็นชุดข้อมูลการรับรู้อารมณ์ ประกอบด้วยบทบันทึกจากนักแสดงชาย 4 คนใน 7 อารมณ์ที่แตกต่างกัน รวม 480 คำพูดภาษาอังกฤษแบบบริติช ประโยคถูกเลือกจากคลังข้อมูลมาตรฐานของ TIMIT และมีความสมดุลทางสัทศาสตร์สำหรับแต่ละอารมณ์ รุ่นนี้มีเฉพาะสตรีมเสียงจากการบันทึกเสียงและภาพต้นฉบับเท่านั้น
ข้อมูลจะถูกแยกออกเพื่อให้ชุดการฝึกอบรมประกอบด้วยวิทยากร 2 คน และทั้งชุดการตรวจสอบความถูกต้องและการทดสอบประกอบด้วยตัวอย่างจากวิทยากร 1 คนตามลำดับ
เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส
รหัสที่มา :
tfds.datasets.savee.Builder
รุ่น :
-
1.0.0
(ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น
-
ขนาดการดาวน์โหลด :
Unknown size
ขนาดชุดข้อมูล :
259.15 MiB
คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน
download_config.manual_dir
(ค่าเริ่มต้นเป็น~/tensorflow_datasets/downloads/manual/
):
manual_dir ควรมีไฟล์ AudioData.zip ไฟล์นี้ควรอยู่ภายใต้ Data/Zip/AudioData.zip ในโฟลเดอร์ชุดข้อมูลที่ให้ไว้เมื่อลงทะเบียน คุณต้องลงทะเบียนที่ http://personal.ee.surrey.ac.uk/Personal/P.Jackson/SAVEE/Register.html เพื่อรับลิงก์สำหรับดาวน์โหลดชุดข้อมูลแคชอัตโนมัติ ( เอกสารประกอบ ): ไม่
แยก :
แยก | ตัวอย่าง |
---|---|
'test' | 120 |
'train' | 240 |
'validation' | 120 |
- โครงสร้างคุณลักษณะ :
FeaturesDict({
'audio': Audio(shape=(None,), dtype=int64),
'label': ClassLabel(shape=(), dtype=int64, num_classes=7),
'speaker_id': string,
})
- เอกสารคุณสมบัติ :
คุณสมบัติ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
เสียง | เครื่องเสียง | (ไม่มี,) | int64 | |
ฉลาก | ป้ายกำกับคลาส | int64 | ||
รหัสลำโพง | เทนเซอร์ | สตริง |
คีย์ภายใต้การดูแล (ดู
as_supervised
doc ):('audio', 'label')
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
ตัวอย่าง ( tfds.as_dataframe ):
- การอ้างอิง :
@inproceedings{Vlasenko_combiningframe,
author = {Vlasenko, Bogdan and Schuller, Bjorn and Wendemuth, Andreas and Rigoll, Gerhard},
year = {2007},
month = {01},
pages = {2249-2252},
title = {Combining frame and turn-level information for robust recognition of emotions within speech},
journal = {Proceedings of Interspeech}
}