Bretagne/common_voice_22.0_br

Description

Partie en breton du jeu de données Common Voice 22.0.

Champs

• —audio (dict) : Un dictionnaire contenant le chemin vers le fichier audio téléchargé, l'audio décodé et la fréquence d'échantillonnage. Notez que lors de l'accès à la colonne audio : dataset[0]["audio"], le fichier audio est automatiquement décodé et rééchantillonné à dataset.features["audio"].sampling_rate. Le décodage et le rééchantillonnage d'un grand nombre de fichiers audio peuvent prendre beaucoup de temps. Il est donc important d'interroger l'index des échantillons avant la colonne "audio", c'est-à-dire que `dataset[0]["audio"]` devrait toujours* être préféré à dataset["audio"][0].
• —br (chaîne) : La phrase en breton que l'utilisateur a été invité à prononcer
• —domain (chaîne) : Le domaine sur lequel porte l'audio.
• —age (chaîne) : L'âge du locuteur.
• —gender (chaîne) : Le sexe du locuteur.
• —accents (chaîne) : Accent du locuteur.

Splits

Les données validées (split validated) sont des données qui ont été validées par les évaluateurs et qui ont reçu des votes positifs indiquant que les données sont de haute qualité. Elles représentent 28H d'enregistrements provenant de 233 personnes différentes. Les données invalidées (split invalidated) sont des données qui ont été invalidées par les évaluateurs et ont reçu des notes négatives indiquant que les données sont de faible qualité. Les données du split other sont des données qui n'ont pas encore été examinées. Les splits train, validation, test comprenent tous des données qui ont été examinées, jugées de haute qualité et divisées ainsi.

Informations personnelles et sensibles

Le jeu de données est constitué de personnes qui ont fait don de leur voix en ligne. Vous vous engagez à ne pas tenter de déterminer l'identité des locuteurs du jeu de données Common Voice.

Citation

@inproceedings{commonvoice:2020,
  author = {Ardila, R. and Branson, M. and Davis, K. and Henretty, M. and Kohler, M. and Meyer, J. and Morais, R. and Saunders, L. and Tyers, F. M. and Weber, G.},
  title = {Common Voice: A Massively-Multilingual Speech Corpus},
  booktitle = {Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020)},
  pages = {4211--4215},
  year = 2020
}