एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

स्पोकन_डिजिट

  • विवरण:

बोले गए अंकों का एक निःशुल्क ऑडियो डेटासेट। ऑडियो के लिए MNIST सोचो।

8kHz पर WAV फ़ाइलों में बोले गए अंकों की रिकॉर्डिंग से युक्त एक साधारण ऑडियो/भाषण डेटासेट। रिकॉर्डिंग को ट्रिम कर दिया गया है ताकि शुरुआत और अंत में उनके पास कम से कम मौन हो।

5 स्पीकर 2,500 रिकॉर्डिंग (प्रति स्पीकर प्रत्येक अंक का 50) अंग्रेजी उच्चारण

{} {DigitLabel speakerName} {इंडेक्स} .wav: फ़ाइलें निम्न स्वरूप में नाम हैं

विभाजित करना उदाहरण
'train' २,५००
  • विशेषताएं:
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'audio/filename': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
  • प्रशस्ति पत्र:
@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}