bxc2017epfl/cs229-tags

该数据集包含多个与语音相关的特征，如转录文本、原始音频文件、音高统计、信噪比、语音单调性等。数据集分为训练集，包含19201个样本，总大小为7016723字节。下载大小为2144683字节。

This dataset contains multiple features related to speech, such as transcription text, raw audio files, pitch statistics, signal-to-noise ratio, speech monotony, etc. The dataset is divided into a training set, containing 19201 samples, with a total size of 7016723 bytes. The download size is 2144683 bytes.

原始信息汇总

数据集概述

特征信息

• transcription_normalised: 类型为字符串
• text: 类型为字符串
• raw_audio_file: 类型为字符串
• utterance_pitch_mean: 类型为浮点数 (float32)
• utterance_pitch_std: 类型为浮点数 (float32)
• snr: 类型为浮点数 (float64)
• c50: 类型为浮点数 (float64)
• speaking_rate: 类型为字符串
• phonemes: 类型为字符串
• noise: 类型为字符串
• reverberation: 类型为字符串
• speech_monotony: 类型为字符串

数据集划分

• train: 包含19201个样本，占用7016723字节

数据集大小

• 下载大小: 2144683字节
• 数据集大小: 7016723字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*