vctk

• คำอธิบาย :

CSTR VCTK Corpus นี้ประกอบด้วยข้อมูลเสียงพูดที่พูดโดยผู้พูดภาษาอังกฤษ 110 คนด้วยสำเนียงต่างๆ ผู้พูดแต่ละคนจะอ่านประโยคประมาณ 400 ประโยค ซึ่งคัดเลือกมาจากหนังสือพิมพ์ ข้อความสีรุ้ง และย่อหน้าที่ใช้สำหรับการเน้นเสียงพูด

โปรดทราบว่าข้อความ 'p315' หายไปเนื่องจากข้อผิดพลาดของฮาร์ดดิสก์

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส north_east

• โฮมเพจ : https://doi.org/10.7488/ds/2645

• รหัสที่มา : tfds.audio.Vctk

• รุ่น :

  • 1.0.0 : VCTK ปล่อย 0.92.0
  • 1.0.1 (ค่าเริ่มต้น): แก้ไขประเภทข้อมูลเสียงพูดด้วย dtype=tf.int16

• ขนาดการดาวน์โหลด : 10.94 GiB

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'accent': ClassLabel(shape=(), dtype=int64, num_classes=13),
    'gender': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'id': string,
    'speaker': ClassLabel(shape=(), dtype=int64, num_classes=110),
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('text', 'speech')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• การอ้างอิง :

@misc{yamagishi2019vctk,
  author={Yamagishi, Junichi and Veaux, Christophe and MacDonald, Kirsten},
  title={ {CSTR VCTK Corpus}: English Multi-speaker Corpus for {CSTR} Voice Cloning Toolkit (version 0.92)},
  publisher={University of Edinburgh. The Centre for Speech Technology Research (CSTR)},
  year=2019,
  doi={10.7488/ds/2645},
}

vctk/mic1 (การกำหนดค่าเริ่มต้น)

• คำอธิบาย การกำหนดค่า : เสียงที่บันทึกโดยใช้ไมโครโฟนรอบทิศทาง (DPA 4035) ประกอบด้วยเสียงความถี่ต่ำมาก

        This is the same audio released in previous versions of VCTK:
        https://doi.org/10.7488/ds/1994
  

• ขนาดชุดข้อมูล : 39.87 GiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):

vctk/mic2

• คำอธิบาย การกำหนดค่า : บันทึกเสียงโดยใช้ไมโครโฟนคอนเดนเซอร์ไดอะแฟรมขนาดเล็กที่มีแบนด์วิธกว้างมาก (Sennheiser MKH 800)

        Two speakers, p280 and p315 had technical issues of the audio
        recordings using MKH 800.
  

• ขนาดชุดข้อมูล : 38.86 GiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):