কথ্য_সংখ্যা

• বর্ণনা :

কথ্য সংখ্যার একটি বিনামূল্যের অডিও ডেটাসেট। অডিও জন্য MNIST চিন্তা করুন.

একটি সাধারণ অডিও/স্পিচ ডেটাসেট যা 8kHz এ wav ফাইলে কথ্য সংখ্যার রেকর্ডিং নিয়ে গঠিত। রেকর্ডিংগুলিকে এমনভাবে ছাঁটাই করা হয়েছে যাতে শুরুতে এবং শেষের দিকে ন্যূনতম নীরবতা থাকে৷

5 স্পিকার
2,500টি রেকর্ডিং (প্রতি স্পিকার প্রতি সংখ্যার 50টি)
ইংরেজি উচ্চারণ

ফাইলগুলিকে নিম্নলিখিত ফর্ম্যাটে নাম দেওয়া হয়েছে: {digitLabel} {speakerName} {index}.wav

• অতিরিক্ত ডকুমেন্টেশন : north_east কোড সহ কাগজপত্রে অন্বেষণ করুন

• হোমপেজ : https://github.com/Jakobovski/free-spoken-digit-dataset

• সোর্স কোড : tfds.datasets.spoken_digit.Builder

• সংস্করণ :

  • 1.0.9 (ডিফল্ট): কোনো রিলিজ নোট নেই।

• ডাউনলোড সাইজ : 11.42 MiB

• ডেটাসেটের আকার : 45.68 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): ('audio', 'label')

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}