user_libri_audio

• 説明：

UserLibri は、107 人のユーザーごとに、ペアになった音声トランスクリプトと追加のテキストのみのデータを含むデータセットです。これは、http://www.openslr.org/12 にある LibriSpeech データセットを再フォーマットしたもので、ユーザーごとに平均 52 の LibriSpeech 発話と約 6,700 のテキスト例を含むユーザーにデータを再編成しています。 UserLibriAudio クラスは、オーディオとトランスクリプトのペアへのアクセスを提供します。追加のテキスト データについては、UserLibriText を参照してください。

• ホームページ: https://www.kaggle.com/datasets/google/userlibri

• ソースコード: tfds.audio.userlibri_audio_data.UserLibriAudio

• バージョン:

  • 1.0.0 (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: Unknown size

• データセットのサイズ: 3.37 GiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

• 機能の構造:

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64, description=The audio clip containing a snippet from a book read aloud),
    'book_id': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'speaker_id': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'user_id': Text(shape=(), dtype=string),
})

• 機能ドキュメント:

• 監視キー( as_supervised doc を参照): ('audio', 'transcript')

• 図( tfds.show_examples ): サポートされていません。

• 例( tfds.as_dataframe ):

• 引用：

@inproceedings{breiner2022userlibri,
  title={UserLibri: A Dataset for ASR Personalization Using Only Text},
  author={Breiner, Theresa and Ramaswamy, Swaroop and Variani, Ehsan and Garg, Shefali and Mathews, Rajiv and Sim, Khe Chai and Gupta, Kilol and Chen, Mingqing and McConnaughey, Lara},
  booktitle={Proc. Interspeech 2022},
  year={2022}
}