user_libri_text

• توضیحات :

UserLibri مجموعه داده ای است که شامل رونوشت های صوتی جفت شده و داده های متنی اضافی برای هر یک از 107 کاربر است. این یک قالب بندی مجدد از مجموعه داده LibriSpeech است که در http://www.openslr.org/12 یافت می شود و داده ها را به کاربران با میانگین 52 گفته LibriSpeech و حدود 6700 جمله نمونه متنی برای هر کاربر سازماندهی مجدد می کند. کلاس UserLibriAudio دسترسی به جفت‌های رونوشت صوتی را فراهم می‌کند. برای اطلاعات متنی اضافی به UserLibriText مراجعه کنید.

• صفحه اصلی : https://www.kaggle.com/datasets/google/userlibri

• کد منبع : tfds.text.userlibri_lm_data.UserLibriText

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• اندازه دانلود : Unknown size

• حجم مجموعه داده : 86.86 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'book_id': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('text', 'text')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@inproceedings{breiner2022userlibri,
  title={UserLibri: A Dataset for ASR Personalization Using Only Text},
  author={Breiner, Theresa and Ramaswamy, Swaroop and Variani, Ehsan and Garg, Shefali and Mathews, Rajiv and Sim, Khe Chai and Gupta, Kilol and Chen, Mingqing and McConnaughey, Lara},
  booktitle={Proc. Interspeech 2022},
  year={2022}
}