savee

  • 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

  • โฮมเพจ : http://kahlan.eps.surrey.ac.uk/savee/

  • 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 เพื่อรับลิงก์สำหรับดาวน์โหลดชุดข้อมูล

  • แคชอัตโนมัติ ( 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
  • 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}
}