- תיאור :
קורפוס TED-LIUM הוא הרצאות TED בשפה האנגלית, עם תעתיקים, שנדגמו ב-16kHz. הוא מכיל כ-118 שעות דיבור.
תיעוד נוסף : חקור על ניירות עם קוד
קוד מקור :
tfds.datasets.tedlium.Builder
גרסאות :
-
1.0.1
(ברירת מחדל): אין הערות שחרור.
-
שמירה אוטומטית במטמון ( תיעוד ): לא
מבנה תכונה :
FeaturesDict({
'gender': ClassLabel(shape=(), dtype=int64, num_classes=3),
'id': string,
'speaker_id': string,
'speech': Audio(shape=(None,), dtype=int64),
'text': Text(shape=(), dtype=string),
})
- תיעוד תכונה :
תכונה | מעמד | צוּרָה | Dtype | תיאור |
---|---|---|---|---|
FeaturesDict | ||||
מִין | ClassLabel | int64 | ||
תְעוּדַת זֶהוּת | מוֹתֵחַ | חוּט | ||
מזהה_רמקול | מוֹתֵחַ | חוּט | ||
נְאוּם | שֶׁמַע | (אף אחד,) | int64 | |
טֶקסט | טֶקסט | חוּט |
מפתחות בפיקוח (ראה
as_supervised
doc ):('speech', 'text')
איור ( tfds.show_examples ): לא נתמך.
ציטוט :
@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/release1 (תצורת ברירת המחדל)
תיאור תצורה : קורפוס TED-LIUM הוא שיחות TED בשפה האנגלית, עם תעתיקים, שנדגמו ב-16kHz. הוא מכיל כ-118 שעות דיבור.
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).
דף הבית : https://www.openslr.org/7/
גודל הורדה :
19.82 GiB
גודל מערך נתונים :
39.23 GiB
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'test' | 1,469 |
'train' | 56,803 |
'validation' | 591 |
- דוגמאות ( tfds.as_dataframe ):
tedlium/release2
תיאור תצורה : זהו מהדורת TED-LIUM קורפוס 2, ברישיון Creative Commons BY-NC-ND 3.0 ( 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.
דף הבית : https://www.openslr.org/19/
גודל הורדה :
34.26 GiB
גודל מערך נתונים :
67.04 GiB
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'test' | 1,469 |
'train' | 92,973 |
'validation' | 591 |
- דוגמאות ( tfds.as_dataframe ):
טדליום/שחרור3
תיאור תצורה : זהו מהדורת TED-LIUM קורפוס 3, ברישיון Creative Commons BY-NC-ND 3.0.
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.
דף הבית : https://www.openslr.org/51/
גודל הורדה :
50.59 GiB
גודל מערך נתונים :
145.67 GiB
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'test' | 1,469 |
'train' | 268,263 |
'validation' | 591 |
- דוגמאות ( tfds.as_dataframe ):