أوامر الكلام

• الوصف :

مجموعة بيانات صوتية للكلمات المنطوقة مصممة للمساعدة في تدريب وتقييم أنظمة اكتشاف الكلمات الرئيسية. هدفها الأساسي هو توفير طريقة لبناء واختبار النماذج الصغيرة التي تكتشف متى يتم نطق كلمة واحدة ، من مجموعة من عشر كلمات مستهدفة ، مع أقل عدد ممكن من الإيجابيات الخاطئة من الضوضاء الخلفية أو الكلام غير ذي الصلة. لاحظ أنه في مجموعة التدريب والتحقق من الصحة ، تكون التسمية "غير معروف" أكثر انتشارًا من تسميات الكلمات المستهدفة أو ضوضاء الخلفية. أحد الاختلافات عن نسخة الإصدار هو التعامل مع المقاطع الصامتة. بينما في مجموعة الاختبار ، تكون مقاطع الصمت عبارة عن ملفات عادية مدتها ثانية واحدة ، يتم توفيرها في التدريب كأجزاء طويلة ضمن مجلد "background_noise". هنا نقسم ضوضاء الخلفية هذه إلى مقاطع 1 ثانية ، ونحتفظ أيضًا بأحد الملفات لمجموعة التحقق من الصحة.

• وثائق إضافية : استكشف في الأوراق باستخدام الرمز north_east

• الصفحة الرئيسية https://arxiv.org/abs/1804.03209

• كود المصدر : tfds.datasets.speech_commands.Builder

• إصدارات :

  • 0.0.3 (افتراضي): إصلاح نوع بيانات الصوت مع dtype = tf.int16.

• حجم التحميل : 2.37 GiB

• حجم مجموعة البيانات : 8.17 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

• هيكل الميزة :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int16),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=12),
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (راجع المستند as_supervised ): ('audio', 'label')

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@article{speechcommandsv2,
   author = { {Warden}, P.},
    title = "{Speech Commands: A Dataset for Limited-Vocabulary Speech Recognition}",
  journal = {ArXiv e-prints},
  archivePrefix = "arXiv",
  eprint = {1804.03209},
  primaryClass = "cs.CL",
  keywords = {Computer Science - Computation and Language, Computer Science - Human-Computer Interaction},
    year = 2018,
    month = apr,
    url = {https://arxiv.org/abs/1804.03209},
}