テドリウム

  • 説明

TED-LIUMコーパスは、16kHzでサンプリングされたトランスクリプション付きの英語のTEDトークです。約118時間のスピーチが含まれています。

  • ソースコードtfds.audio.Tedlium

  • バージョン

    • 1.0.1 (デフォルト):リリースノート。
  • オートキャッシュされたドキュメント):いいえ

  • 特長

FeaturesDict({
    'gender': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    'id': tf.string,
    'speaker_id': tf.string,
    'speech': Audio(shape=(None,), dtype=tf.int64),
    'text': Text(shape=(), dtype=tf.string),
})

tedlium / release1(デフォルト設定)

  • コンフィグの説明:TED-LIUMコーパスは、16kHzのサンプリングで書き起こしと英語TEDトーク、、です。約118時間のスピーチが含まれています。

    This is the TED-LIUM corpus release 1,
    licensed under Creative Commons BY-NC-ND 3.0
    (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en).
    
  • ホームページhttps://www.openslr.org/7/

  • ダウンロードサイズ19.82 GiB

  • データセットサイズ39.23 GiB

  • スプリット

スプリット
'test' 1,469
'train' 56,803
'validation' 591
  • 引用
@inproceedings{rousseau2012tedlium,
  title={TED-LIUM: an Automatic Speech Recognition dedicated corpus},
  author={Rousseau, Anthony and Del{\'e}glise, Paul and Est{\`e}ve, Yannick},
  booktitle={Conference on Language Resources and Evaluation (LREC)},
  pages={125--129},
  year={2012}
}

tedlium / release2

  • コンフィグの説明:これは、クリエイティブ・コモンズBY-NC-ND 3.0の下でライセンスTED-LIUMコーパスリリース2、である( http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en )。

    All talks and text are property of TED Conferences LLC.
    
    The TED-LIUM corpus was made from audio talks and their transcriptions
    available on the TED website. We have prepared and filtered these data
    in order to train acoustic models to participate to the International
    Workshop on Spoken Language Translation 2011 (the LIUM English/French
    SLT system reached the first rank in the SLT task).
    
    Contains 1495 talks and transcripts.
    
  • ホームページhttps://www.openslr.org/19/

  • ダウンロードサイズ34.26 GiB

  • データセットサイズ67.04 GiB

  • スプリット

スプリット
'test' 1,469
'train' 92,973
'validation' 591
  • 引用
@inproceedings{rousseau2014tedlium2,
  title={Enhancing the {TED-LIUM} Corpus with Selected Data for Language Modeling and More {TED} Talks},
  author={Rousseau, Anthony and Del{\'e}glise, Paul and Est{\`e}ve, Yannick},
  booktitle={Conference on Language Resources and Evaluation (LREC)},
  year={2014}
}

tedlium / release3

  • コンフィグの説明:これは、クリエイティブ・コモンズBY-NC-ND 3.0の下でライセンスTED-LIUMコーパス・リリース3、です。

    All talks and text are property of TED Conferences LLC.
    
    This new TED-LIUM release was made through a collaboration between the
    Ubiqus company and the LIUM (University of Le Mans, France)
    
    Contents:
    
    - 2351 audio talks in NIST sphere format (SPH), including talks from
      TED-LIUM 2: be careful, same talks but not same audio files (only
      these audio file must be used with the TED-LIUM 3 STM files)
    - 452 hours of audio
    - 2351 aligned automatic transcripts in STM format
    - TEDLIUM 2 dev and test data: 19 TED talks in SPH format with
      corresponding manual transcriptions (cf. 'legacy' distribution below).
    - Dictionary with pronunciations (159848 entries), same file as the one
      included in TED-LIUM 2
    - Selected monolingual data for language modeling from WMT12 publicly
      available corpora: these files come from the TED-LIUM 2 release, but
      have been modified to get a tokenization more relevant for English
      language
    
    Two corpus distributions:
    
    - the legacy one, on which the dev and test datasets are the same as in
      TED-LIUM 2 (and TED-LIUM 1).
    - the 'speaker adaptation' one, especially designed for experiments on
      speaker adaptation.
    
  • ホームページhttps://www.openslr.org/51/

  • ダウンロードサイズ50.59 GiB

  • データセットのサイズ145.67 GiB

  • スプリット

スプリット
'test' 1,469
'train' 268,263
'validation' 591
  • 引用
@inproceedings{hernandez2018tedlium3,
  title={TED-LIUM 3: twice as much data and corpus repartition for experiments on speaker adaptation},
  author={Hernandez, Fran{\c{c} }ois and Nguyen, Vincent and Ghannay, Sahar and Tomashenko, Natalia and Est{\`e}ve, Yannick},
  booktitle={International Conference on Speech and Computer},
  pages={198--208},
  year={2018},
  organization={Springer}
}