- 説明:
音声数字の無料のオーディオ データセット。オーディオ用の MNIST を考えてみてください。
8kHz の wav ファイルに音声数字の録音で構成される単純な音声/音声データセット。録音は、最初と最後で最小限の無音になるようにトリミングされています。
5 スピーカー
2,500 録音 (スピーカーごとに各桁 50)
英語の発音
ファイルは次の形式で名前が付けられます: {digitLabel} {speakerName} {index}.wav
追加のドキュメント:コード を使用したペーパーの探索
ホームページ: https://github.com/Jakobovski/free-spoken-digit-dataset
ソース コード:
tfds.datasets.spoken_digit.Builder
バージョン:
-
1.0.9
(デフォルト): リリース ノートはありません。
-
ダウンロードサイズ:
11.42 MiB
データセットのサイズ:
45.68 MiB
自動キャッシュ(ドキュメント): はい
スプリット:
スプリット | 例 |
---|---|
'train' | 2,500 |
- 機能構造:
FeaturesDict({
'audio': Audio(shape=(None,), dtype=int64),
'audio/filename': Text(shape=(), dtype=string),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- 機能のドキュメント:
特徴 | クラス | 形 | Dtype | 説明 |
---|---|---|---|---|
特徴辞書 | ||||
オーディオ | オーディオ | (なし、) | int64 | |
オーディオ/ファイル名 | 文章 | ストリング | ||
ラベル | クラスラベル | int64 |
監視されたキー(
as_supervised
docを参照):('audio', 'label')
図( tfds.show_examples ): サポートされていません。
例( tfds.as_dataframe ):
- 引用:
@ONLINE {Free Spoken Digit Dataset,
author = "Zohar Jackson",
title = "Spoken_Digit",
year = "2016",
url = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}