libritts

• বর্ণনা :

LibriTTS হল 24kHz স্যাম্পলিং রেটে প্রায় 585 ঘন্টা পঠিত ইংরেজি বক্তৃতার একটি মাল্টি-স্পীকার ইংলিশ কর্পাস, যা Google স্পিচ এবং Google ব্রেইন দলের সদস্যদের সহায়তায় Heiga Zen দ্বারা প্রস্তুত করা হয়েছে। LibriTTS কর্পাস টিটিএস গবেষণার জন্য ডিজাইন করা হয়েছে। এটি LibriSpeech কর্পাসের মূল উপকরণ (LibriVox থেকে mp3 অডিও ফাইল এবং প্রজেক্ট গুটেনবার্গ থেকে টেক্সট ফাইল) থেকে নেওয়া হয়েছে। LibriSpeech কর্পাস থেকে প্রধান পার্থক্য নীচে তালিকাভুক্ত করা হয়েছে:

1. অডিও ফাইল 24kHz স্যাম্পলিং হারে।
2. বাক্য বিরতিতে বক্তৃতা বিভক্ত হয়।
3. মূল এবং স্বাভাবিক লেখা উভয়ই অন্তর্ভুক্ত করা হয়েছে।
4. প্রাসঙ্গিক তথ্য (যেমন, প্রতিবেশী বাক্য) বের করা যেতে পারে।
5. উল্লেখযোগ্য ব্যাকগ্রাউন্ড নয়েজ সহ উচ্চারণগুলি বাদ দেওয়া হয়েছে৷

• অতিরিক্ত ডকুমেন্টেশন : north_east কোড সহ কাগজপত্রে অন্বেষণ করুন

• হোমপেজ : http://www.openslr.org/60

• উত্স কোড : tfds.datasets.libritts.Builder

• সংস্করণ :

  • 1.0.1 (ডিফল্ট): কোনো রিলিজ নোট নেই।

• ডাউনলোড সাইজ : 78.42 GiB

• ডেটাসেটের আকার : 271.41 GiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'chapter_id': int64,
    'id': string,
    'speaker_id': int64,
    'speech': Audio(shape=(None,), dtype=int64),
    'text_normalized': Text(shape=(), dtype=string),
    'text_original': Text(shape=(), dtype=string),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• তত্ত্বাবধানে থাকা কী ( as_supervised doc হিসেবে): ('text_normalized', 'speech')

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@inproceedings{zen2019libritts,
  title = {LibriTTS: A Corpus Derived from LibriSpeech for Text-to-Speech},
  author = {H. Zen and V. Dang and R. Clark and Y. Zhang and R. J. Weiss and Y. Jia and Z. Chen and Y. Wu},
  booktitle = {Proc. Interspeech},
  month = sep,
  year = {2019},
  doi = {10.21437/Interspeech.2019-2441},
}