- Descripción :
El corpus TED-LIUM son charlas TED en inglés, con transcripciones, muestreadas a 16 kHz. Contiene alrededor de 118 horas de discurso.
Documentación adicional : Explore en Papers With Code
Código fuente :
tfds.datasets.tedlium.Builder
Versiones :
-
1.0.1
(predeterminado): Sin notas de la versión.
-
Almacenamiento automático en caché ( documentación ): No
Estructura de características :
FeaturesDict({
'gender': ClassLabel(shape=(), dtype=int64, num_classes=3),
'id': string,
'speaker_id': string,
'speech': Audio(shape=(None,), dtype=int64),
'text': Text(shape=(), dtype=string),
})
- Documentación de características :
Característica | Clase | Forma | Tipo D | Descripción |
---|---|---|---|---|
CaracterísticasDict | ||||
género | Etiqueta de clase | int64 | ||
identificación | Tensor | cadena | ||
altavoz_id | Tensor | cadena | ||
discurso | Audio | (Ninguno,) | int64 | |
texto | Texto | cadena |
Teclas supervisadas (ver documento
as_supervised
):('speech', 'text')
Figura ( tfds.show_examples ): no compatible.
Cita :
@inproceedings{rousseau2012tedlium,
title={TED-LIUM: an Automatic Speech Recognition dedicated corpus},
author={Rousseau, Anthony and Del{\'e}glise, Paul and Est{\`e}ve, Yannick},
booktitle={Conference on Language Resources and Evaluation (LREC)},
pages={125--129},
year={2012}
}
tedlium/release1 (configuración predeterminada)
Descripción de la configuración : el corpus TED-LIUM son charlas TED en inglés, con transcripciones, muestreadas a 16 kHz. Contiene alrededor de 118 horas de discurso.
This is the TED-LIUM corpus release 1, licensed under Creative Commons BY-NC-ND 3.0 (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en).
Página de inicio : https://www.openslr.org/7/
Tamaño de descarga :
19.82 GiB
Tamaño del conjunto de datos :
39.23 GiB
Divisiones :
Dividir | Ejemplos |
---|---|
'test' | 1,469 |
'train' | 56,803 |
'validation' | 591 |
- Ejemplos ( tfds.as_dataframe ):
tedlio/liberación2
Descripción de la configuración : Esta es la versión 2 del corpus TED-LIUM, con licencia Creative Commons BY-NC-ND 3.0 ( http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en ).
All talks and text are property of TED Conferences LLC. The TED-LIUM corpus was made from audio talks and their transcriptions available on the TED website. We have prepared and filtered these data in order to train acoustic models to participate to the International Workshop on Spoken Language Translation 2011 (the LIUM English/French SLT system reached the first rank in the SLT task). Contains 1495 talks and transcripts.
Página de inicio : https://www.openslr.org/19/
Tamaño de descarga :
34.26 GiB
Tamaño del conjunto de datos :
67.04 GiB
Divisiones :
Dividir | Ejemplos |
---|---|
'test' | 1,469 |
'train' | 92,973 |
'validation' | 591 |
- Ejemplos ( tfds.as_dataframe ):
tedlio/liberación3
Descripción de la configuración : esta es la versión 3 del corpus TED-LIUM, con licencia Creative Commons BY-NC-ND 3.0.
All talks and text are property of TED Conferences LLC. This new TED-LIUM release was made through a collaboration between the Ubiqus company and the LIUM (University of Le Mans, France) Contents: - 2351 audio talks in NIST sphere format (SPH), including talks from TED-LIUM 2: be careful, same talks but not same audio files (only these audio file must be used with the TED-LIUM 3 STM files) - 452 hours of audio - 2351 aligned automatic transcripts in STM format - TEDLIUM 2 dev and test data: 19 TED talks in SPH format with corresponding manual transcriptions (cf. 'legacy' distribution below). - Dictionary with pronunciations (159848 entries), same file as the one included in TED-LIUM 2 - Selected monolingual data for language modeling from WMT12 publicly available corpora: these files come from the TED-LIUM 2 release, but have been modified to get a tokenization more relevant for English language Two corpus distributions: - the legacy one, on which the dev and test datasets are the same as in TED-LIUM 2 (and TED-LIUM 1). - the 'speaker adaptation' one, especially designed for experiments on speaker adaptation.
Página de inicio : https://www.openslr.org/51/
Tamaño de descarga :
50.59 GiB
Tamaño del conjunto de datos :
145.67 GiB
Divisiones :
Dividir | Ejemplos |
---|---|
'test' | 1,469 |
'train' | 268,263 |
'validation' | 591 |
- Ejemplos ( tfds.as_dataframe ):