librits

• คำอธิบาย :

LibriTTS เป็นคลังข้อมูลภาษาอังกฤษสำหรับผู้พูดหลายคนซึ่งมีการอ่านสุนทรพจน์ภาษาอังกฤษประมาณ 585 ชั่วโมงที่อัตราการสุ่มตัวอย่าง 24kHz ซึ่งจัดทำโดย Heiga Zen ด้วยความช่วยเหลือจากสมาชิกในทีม Google Speech และ Google Brain คลังข้อมูล LibriTTS ได้รับการออกแบบมาสำหรับการวิจัย TTS ได้มาจากวัสดุต้นฉบับ (ไฟล์เสียง mp3 จาก LibriVox และไฟล์ข้อความจาก Project Gutenberg) ของคลังข้อมูล LibriSpeech ความแตกต่างที่สำคัญจากคลังข้อมูล LibriSpeech อยู่ด้านล่าง:

1. ไฟล์เสียงอยู่ที่อัตราการสุ่มตัวอย่าง 24kHz
2. คำพูดถูกแยกออกเมื่อแบ่งประโยค
3. มีทั้งข้อความต้นฉบับและข้อความปกติ
4. สามารถดึงข้อมูลบริบท (เช่น ประโยคใกล้เคียง) ได้
5. ไม่รวมการเปล่งเสียงที่มีเสียงรบกวนรอบข้าง

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส north_east

• โฮมเพจ : http://www.openslr.org/60

• รหัสแหล่งที่มา : tfds.datasets.libritts.Builder

• รุ่น :

  • 1.0.1 (ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น

• ขนาดการดาวน์โหลด : 78.42 GiB

• ขนาดชุดข้อมูล : 271.41 GiB

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

• โครงสร้างคุณลักษณะ :

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),
})

• เอกสารคุณสมบัติ :

• คีย์ควบคุม (ดู as_supervised doc ): ('text_normalized', 'speech')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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},
}