shields/catalan_commonvoice_first15hr

---
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 48000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
splits:
- name: train
num_bytes: 287860990.0
num_examples: 7000
- name: val
num_bytes: 118983362.0
num_examples: 3000
download_size: 386267835
dataset_size: 406844352.0
---
# Dataset Card for "catalan_commonvoice_first15hr"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

### 数据集信息
特征：
- 名称：客户端ID（client_id），数据类型：字符串
- 名称：文件路径（path），数据类型：字符串
- 名称：音频（audio），数据类型：音频（audio），采样率（sampling_rate）为48000赫兹
- 名称：语句（sentence），数据类型：字符串
- 名称：正向投票数（up_votes），数据类型：64位整型（int64）
- 名称：负向投票数（down_votes），数据类型：64位整型（int64）
- 名称：年龄（age），数据类型：字符串
- 名称：性别（gender），数据类型：字符串
- 名称：口音（accent），数据类型：字符串
- 名称：语言区域标识（locale），数据类型：字符串
- 名称：语音片段（segment），数据类型：字符串

数据集划分：
- 名称：训练集（train），占用字节数：287860990.0，样本数量：7000
- 名称：验证集（val），占用字节数：118983362.0，样本数量：3000

下载总大小：386267835
数据集总存储大小：406844352.0

---

# 「加泰罗尼亚语CommonVoice前15小时」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• client_id: 数据类型 - string
• path: 数据类型 - string
• audio: 数据类型 - audio (采样率: 48000)
• sentence: 数据类型 - string
• up_votes: 数据类型 - int64
• down_votes: 数据类型 - int64
• age: 数据类型 - string
• gender: 数据类型 - string
• accent: 数据类型 - string
• locale: 数据类型 - string
• segment: 数据类型 - string

数据集分割

• train: 大小 - 287860990.0 bytes, 样本数 - 7000
• val: 大小 - 118983362.0 bytes, 样本数 - 3000

数据集大小

• 下载大小: 386267835 bytes
• 数据集总大小: 406844352.0 bytes