لیبریت ها

• توضیحات :

LibriTTS یک مجموعه انگلیسی چند سخنران است که تقریباً 585 ساعت گفتار انگلیسی خوانده شده با نرخ نمونه برداری 24 کیلوهرتز است که توسط Heiga Zen با کمک Google Speech و اعضای تیم Google Brain تهیه شده است. مجموعه LibriTTS برای تحقیقات TTS طراحی شده است. این از مواد اصلی (فایل های صوتی mp3 از LibriVox و فایل های متنی از پروژه گوتنبرگ) مجموعه LibriSpeech مشتق شده است. تفاوت های اصلی با مجموعه LibriSpeech در زیر ذکر شده است:

1. فایل های صوتی با نرخ نمونه برداری 24 کیلوهرتز هستند.
2. گفتار در شکستن جمله تقسیم می شود.
3. هر دو متن اصلی و عادی گنجانده شده است.
4. اطلاعات متنی (مثلاً جملات همسایه) قابل استخراج است.
5. جملات با نویز پس زمینه قابل توجه مستثنی هستند.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : http://www.openslr.org/60

• کد منبع : tfds.datasets.libritts.Builder

• نسخه ها :

  • 1.0.1 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 78.42 GiB

• حجم مجموعه داده : 271.41 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• کلیدهای نظارت شده ( به عنوان_سند as_supervised مراجعه کنید): ('text_normalized', 'speech')

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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},
}