librispeech

  • 説明

LibriSpeechは、VassilPanayotovがDanielPoveyの支援を受けて作成した、サンプリングレート16kHzの約1000時間の英語の読み上げのコーパスです。データは、LibriVoxプロジェクトから読み取ったオーディオブックから取得され、慎重にセグメント化および調整されています87。

  • ホームページhttp://www.openslr.org/12

  • ソースコードtfds.audio.Librispeech

  • バージョン

    • 2.1.0 (デフォルト):リリースノート。
  • ダウンロードサイズ57.14 GiB

  • データセットのサイズ304.47 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'dev_clean' 2,703
'dev_other' 2,864
'test_clean' 2,620
'test_other' 2,939
'train_clean100' 28,539
'train_clean360' 104,014
'train_other500' 148,688
  • 特長
FeaturesDict({
    'chapter_id': tf.int64,
    'id': tf.string,
    'speaker_id': tf.int64,
    'speech': Audio(shape=(None,), dtype=tf.int64),
    'text': Text(shape=(), dtype=tf.string),
})
  • 引用
@inproceedings{panayotov2015librispeech,
  title={Librispeech: an ASR corpus based on public domain audio books},
  author={Panayotov, Vassil and Chen, Guoguo and Povey, Daniel and Khudanpur, Sanjeev},
  booktitle={Acoustics, Speech and Signal Processing (ICASSP), 2015 IEEE International Conference on},
  pages={5206--5210},
  year={2015},
  organization={IEEE}
}