vctk

• 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north_east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:

• 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:

• 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:

• 例( tfds.as_dataframe ):