- 説明:
話者識別のための大規模なデータセット。このデータは、1,251 人を超えるスピーカーから収集され、合計で 15 万を超えるサンプルがあります。このリリースには、voxceleb1.1 データセットの音声部分が含まれています。
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: http://www.robots.ox.ac.uk/~vgg/data/voxceleb/vox1.html
ソース コード:
tfds.audio.Voxceleb
バージョン:
-
1.2.1
(デフォルト): youtube_id フィールドを追加
-
ダウンロードサイズ:
4.68 MiB
データセットサイズ:
107.98 GiB
手動ダウンロードの手順: このデータセットでは、ソース データを手動で
download_config.manual_dir
(デフォルトは~/tensorflow_datasets/downloads/manual/
) にダウンロードする必要があります。
manual_dir にはファイル vox_dev_wav.zip が含まれている必要があります。このファイルをダウンロードする手順は、 http: //www.robots.ox.ac.uk/~vgg/data/voxceleb/vox1.html にあります。このデータセットには登録が必要です。自動キャッシュ(ドキュメント): いいえ
スプリット:
スプリット | 例 |
---|---|
'test' | 7,972 |
'train' | 134,000 |
'validation' | 6,670 |
- 機能構造:
FeaturesDict({
'audio': Audio(shape=(None,), dtype=int64),
'label': ClassLabel(shape=(), dtype=int64, num_classes=1252),
'youtube_id': 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 | ||||
オーディオ | オーディオ | (なし、) | int64 | |
ラベル | クラスラベル | int64 | ||
youtube_id | 文章 | ストリング |
監視されたキー(
as_supervised
docを参照):('audio', 'label')
図( tfds.show_examples ): サポートされていません。
例( tfds.as_dataframe ):
- 引用:
@InProceedings{Nagrani17,
author = "Nagrani, A. and Chung, J.~S. and Zisserman, A.",
title = "VoxCeleb: a large-scale speaker identification dataset",
booktitle = "INTERSPEECH",
year = "2017",
}