libritts

• opis :

LibriTTS to wielojęzyczny zbiór około 585 godzin angielskiej mowy czytanej z częstotliwością próbkowania 24 kHz, przygotowany przez Heiga Zen z pomocą członków zespołu Google Speech i Google Brain. Korpus LibriTTS jest przeznaczony do badań TTS. Pochodzi z oryginalnych materiałów (plików audio mp3 z LibriVox i plików tekstowych z Project Gutenberg) z korpusu LibriSpeech. Główne różnice w stosunku do korpusu LibriSpeech są wymienione poniżej:

1. Pliki audio mają częstotliwość próbkowania 24 kHz.
2. Mowa jest podzielona na przerwy w zdaniach.
3. Uwzględniono zarówno teksty oryginalne, jak i znormalizowane.
4. Można wyodrębnić informacje kontekstowe (np. sąsiednie zdania).
5. Wypowiedzi ze znacznym hałasem w tle są wykluczone.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem north_east

• Strona główna : http://www.openslr.org/60

• Kod źródłowy : tfds.datasets.libritts.Builder

• Wersje :

  • 1.0.1 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 78.42 GiB

• Rozmiar zestawu danych : 271.41 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): ('text_normalized', 'speech')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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},
}