gtzan_music_speech

• توضیحات :

مجموعه داده برای اهداف تمایز موسیقی / گفتار جمع آوری شد. مجموعه داده شامل 120 آهنگ است که هر کدام 30 ثانیه طول می کشد. هر کلاس (موسیقی/سخنرانی) 60 نمونه دارد. آهنگ ها همگی فایل های صوتی 16 بیتی مونو با فرکانس 22050 هرتز و با فرمت wav.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : http://marsyas.info/index.html

• کد منبع : tfds.audio.gtzan_music_speech.GTZANMusicSpeech

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 283.29 MiB

• حجم مجموعه داده : 424.64 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('audio', 'label')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@ONLINE {Music Speech,
    author = "Tzanetakis, George",
    title  = "GTZAN Music/Speech Collection",
    year   = "1999",
    url    = "http://marsyas.info/index.html"
}