טדליום

  • תיאור :

קורפוס TED-LIUM הוא הרצאות TED בשפה האנגלית, עם תעתיקים, שנדגמו ב-16kHz. הוא מכיל כ-118 שעות דיבור.

  • קוד מקור : tfds.audio.Tedlium

  • גרסאות :

    • 1.0.1 (ברירת מחדל): אין הערות שחרור.
  • שמור אוטומטי במטמון ( תיעוד ): לא

  • מבנה תכונה :

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),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
מִין ClassLabel tf.int64
תְעוּדַת זֶהוּת מוֹתֵחַ tf.string
מזהה_רמקול מוֹתֵחַ tf.string
נְאוּם שֶׁמַע (אף אחד,) tf.int64
טֶקסט טֶקסט tf.string

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
  • 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}
}

טדליום/שחרור2

  • תיאור תצורה : זהו מהדורת TED-LIUM corpus 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
  • ציטוט :
@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}
}

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
  • ציטוט :
@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}
}