Speech_commands

  • 説明

キーワードスポッティングシステムのトレーニングと評価に役立つように設計された話し言葉の音声データセット。その主な目標は、バックグラウンドノイズや無関係な音声による誤検知をできるだけ少なくして、10個のターゲット単語のセットから1つの単語が話されたことを検出する小さなモデルを構築してテストする方法を提供することです。トレインと検証のセットでは、「不明」というラベルが、ターゲット単語やバックグラウンドノイズのラベルよりもはるかに一般的であることに注意してください。リリースバージョンとの違いの1つは、サイレントセグメントの処理です。テストセットでは、無音セグメントは通常の1秒ファイルですが、トレーニングでは、「background_noise」フォルダーの下に長いセグメントとして提供されます。ここでは、これらのバックグラウンドノイズを1秒のクリップに分割し、検証セット用にファイルの1つを保持します。

スプリット
'test' 4,890
'train' 85,511
'validation' 10,102
  • 特長
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=12),
})
  • 引用
@article{speechcommandsv2,
   author = { {Warden}, P.},
    title = "{Speech Commands: A Dataset for Limited-Vocabulary Speech Recognition}",
  journal = {ArXiv e-prints},
  archivePrefix = "arXiv",
  eprint = {1804.03209},
  primaryClass = "cs.CL",
  keywords = {Computer Science - Computation and Language, Computer Science - Human-Computer Interaction},
    year = 2018,
    month = apr,
    url = {https://arxiv.org/abs/1804.03209},
}