คำพูด_คำสั่ง

• คำอธิบาย :

ชุดข้อมูลเสียงของคำพูดที่ออกแบบมาเพื่อช่วยฝึกฝนและประเมินระบบการจำคำหลัก เป้าหมายหลักคือเพื่อให้วิธีการสร้างและทดสอบโมเดลขนาดเล็กที่ตรวจจับเมื่อมีการพูดคำเดียวจากชุดคำเป้าหมาย 10 คำ โดยมีผลบวกลวงให้น้อยที่สุดเท่าที่จะเป็นไปได้จากเสียงรบกวนเบื้องหลังหรือคำพูดที่ไม่เกี่ยวข้อง โปรดทราบว่าในชุดการฝึกและการตรวจสอบความถูกต้อง ป้ายกำกับ "ไม่ทราบ" นั้นแพร่หลายมากกว่าป้ายกำกับของคำเป้าหมายหรือเสียงพื้นหลัง ความแตกต่างอย่างหนึ่งจากรุ่นที่วางจำหน่ายคือการจัดการเซกเมนต์ที่ไม่มีการโต้ตอบ ขณะอยู่ในชุดทดสอบ ส่วนของความเงียบเป็นไฟล์ปกติ 1 วินาที ในการฝึกอบรมจะมีให้เป็นส่วนยาวภายใต้โฟลเดอร์ "background_noise" ที่นี่ เราแบ่งเสียงพื้นหลังเหล่านี้ออกเป็นคลิป 1 วินาที และเก็บไฟล์ใดไฟล์หนึ่งไว้สำหรับชุดตรวจสอบความถูกต้อง

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส north_east

• โฮมเพจ : https://arxiv.org/abs/1804.03209

• ซอร์สโค้ด : tfds.datasets.speech_commands.Builder

• รุ่น :

  • 0.0.3 (ค่าเริ่มต้น): แก้ไขประเภทข้อมูลเสียงด้วย dtype=tf.int16

• ขนาดการดาวน์โหลด : 2.37 GiB

• ขนาดชุดข้อมูล : 8.17 GiB

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int16),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=12),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('audio', 'label')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@article{speechcommandsv2,
   author = { {Warden}, P.},
    title = "{Speech Commands: A Dataset for Limited-Vocabulary Speech Recognition}",
  journal = {ArXiv e-prints},
  archivePrefix = "arXiv",
  eprint = {1804.03209},
  primaryClass = "cs.CL",
  keywords = {Computer Science - Computation and Language, Computer Science - Human-Computer Interaction},
    year = 2018,
    month = apr,
    url = {https://arxiv.org/abs/1804.03209},
}