maxseats/aihub-464-preprocessed-680GB-set-6

该数据集包含音频数据、转录文本、输入特征和标签。数据集分为训练集、测试集和验证集，训练集包含45260个样本，测试集和验证集各包含5658个样本。音频数据的采样率为16000Hz，输入特征为浮点数序列，标签为整数序列。数据集的下载大小为22256602813字节，总大小为65045309810字节。

原始信息汇总

数据集概述

数据特征

• 音频
  • 采样率: 16000
• 转录文本
  • 数据类型: 字符串
• 输入特征
  • 序列类型: float32
• 标签
  • 序列类型: int64

数据分割

• 训练集
  • 字节数: 52035328089.65993
  • 样本数: 45260
• 测试集
  • 字节数: 6504990860.170036
  • 样本数: 5658
• 验证集
  • 字节数: 6504990860.170036
  • 样本数: 5658

数据大小

• 下载大小: 22256602813
• 数据集大小: 65045309810.0

配置

• 默认配置
  • 数据文件路径:
    • 训练集: data/train-*
    • 测试集: data/test-*
    • 验证集: data/valid-*