スポークンディジット

  • 説明

話された数字の無料の音声データセット。オーディオについてはMNISTを考えてください。

8kHzでwavファイルに話された数字の録音で構成される単純なオーディオ/スピーチデータセット。録音は、最初と最後でほとんど無音になるようにトリミングされます。

5人のスピーカー2,500の録音(スピーカーごとに各桁の50)英語の発音

{digitLabel} {} {speakerNameインデックス} .WAV:ファイルは次の形式で命名されています

スプリット
'train' 2,500
  • 特長
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'audio/filename': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
  • 引用
@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}