usuario_libri_texto

• Descripción :

UserLibri es un conjunto de datos que contiene transcripciones de audio emparejadas y datos adicionales de solo texto para cada uno de los 107 usuarios. Es un reformateo del conjunto de datos de LibriSpeech que se encuentra en http://www.openslr.org/12, reorganizando los datos en usuarios con un promedio de 52 declaraciones de LibriSpeech y alrededor de 6700 oraciones de ejemplo de texto por usuario. La clase UserLibriAudio proporciona acceso a los pares de transcripciones de audio. Ver UserLibriText para los datos de texto adicionales.

• Página de inicio: https://www.kaggle.com/datasets/google/userlibri

• Código fuente : tfds.text.userlibri_lm_data.UserLibriText

• Versiones :

  • 1.0.0 (predeterminado): Sin notas de la versión.

• Tamaño de descarga : Unknown size

• Tamaño del conjunto de datos : 86.86 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

• Estructura de características :

FeaturesDict({
    'book_id': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (ver as_supervised doc ): ('text', 'text')

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@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}
}