- 説明:
この CSTR VCTK コーパスには、110 人の英語話者がさまざまなアクセントで発話した音声データが含まれています。各スピーカーは、新聞、虹のパッセージ、およびスピーチ アクセントのアーカイブに使用された引き出しパラグラフから選択された約 400 のセンテンスを読み上げます。
「p315」テキストは、ハードディスク エラーのために失われたことに注意してください。
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://doi.org/10.7488/ds/2645
ソースコード:
tfds.audio.Vctk
バージョン:
-
1.0.0
: VCTK リリース 0.92.0。 -
1.0.1
(デフォルト): dtype=tf.int16 で音声データ型を修正します。
-
ダウンロードサイズ:
10.94 GiB
自動キャッシュ(ドキュメント): いいえ
機能構造:
FeaturesDict({
'accent': ClassLabel(shape=(), dtype=int64, num_classes=13),
'gender': ClassLabel(shape=(), dtype=int64, num_classes=2),
'id': string,
'speaker': ClassLabel(shape=(), dtype=int64, num_classes=110),
'speech': Audio(shape=(None,), dtype=int16),
'text': Text(shape=(), dtype=string),
})
- 機能のドキュメント:
特徴 | クラス | 形 | Dtype | 説明 |
---|---|---|---|---|
特徴辞書 | ||||
アクセント | クラスラベル | int64 | ||
性別 | クラスラベル | int64 | ||
ID | テンソル | ストリング | ||
スピーカー | クラスラベル | int64 | ||
スピーチ | オーディオ | (なし、) | int16 | |
文章 | 文章 | ストリング |
監視されたキー(
as_supervised
docを参照):('text', 'speech')
図( tfds.show_examples ): サポートされていません。
引用:
@misc{yamagishi2019vctk,
author={Yamagishi, Junichi and Veaux, Christophe and MacDonald, Kirsten},
title={ {CSTR VCTK Corpus}: English Multi-speaker Corpus for {CSTR} Voice Cloning Toolkit (version 0.92)},
publisher={University of Edinburgh. The Centre for Speech Technology Research (CSTR)},
year=2019,
doi={10.7488/ds/2645},
}
vctk/mic1 (デフォルト構成)
構成の説明: 無指向性マイク (DPA 4035) を使用して録音された音声。非常に低周波のノイズが含まれています。
This is the same audio released in previous versions of VCTK: https://doi.org/10.7488/ds/1994
データセットサイズ:
39.87 GiB
スプリット:
スプリット | 例 |
---|---|
'train' | 44,455 |
- 例( tfds.as_dataframe ):
vctk/mic2
構成の説明: 帯域幅が非常に広いスモール ダイアフラム コンデンサー マイク (Sennheiser MKH 800) を使用して録音されたオーディオ。
Two speakers, p280 and p315 had technical issues of the audio recordings using MKH 800.
データセットサイズ:
38.86 GiB
スプリット:
スプリット | 例 |
---|---|
'train' | 43,873 |
- 例( tfds.as_dataframe ):