nói_digit

  • Mô tả :

Một bộ dữ liệu âm thanh miễn phí về các chữ số được nói. Hãy nghĩ đến MNIST cho âm thanh.

Một bộ dữ liệu âm thanh/lời nói đơn giản bao gồm các bản ghi các chữ số được nói trong tệp wav ở 8kHz. Các bản ghi âm được cắt bớt để chúng có khoảng lặng gần như tối thiểu ở phần đầu và phần cuối.

5 loa
2.500 bản ghi (50 của mỗi chữ số cho mỗi loa)
phát âm tiếng anh

Các tệp được đặt tên theo định dạng sau: {digitLabel} { speakerName} {index}.wav

Tách ra ví dụ
'train' 2.500
  • Cấu trúc tính năng :
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
  • Tài liệu tính năng :
Đặc tính Tầng lớp Hình dạng Dtype Sự miêu tả
Tính năngDict
âm thanh âm thanh (Không có,) int64
âm thanh/tên tệp Chữ chuỗi
nhãn LớpNhãn int64
  • trích dẫn :
@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}