CognitiveLab/FS_transcribe_summary

该数据集包含音频相关的详细信息，如作者、时长、音频路径、标题和观看次数等。此外，还包含音频内容的转录文本和摘要信息，以及与音频处理相关的元数据和结果数据，如模型信息、语言检测和语音识别结果等。

原始信息汇总

数据集信息

特征

• author: 字符串类型
• duration: 64位整数类型
• description: 字符串类型
• transcript_json: 结构体类型，包含以下字段：
  • metadata: 结构体类型，包含以下字段：
    • channels: 64位整数类型
    • created: 字符串类型
    • duration: 64位浮点数类型
    • model_info: 结构体类型，包含以下字段：
      • 30089e05-99d1-4376-b32e-c263170674af: 结构体类型，包含以下字段：
        • arch: 字符串类型
        • name: 字符串类型
        • version: 字符串类型
    • models: 字符串序列类型
    • request_id: 字符串类型
    • sha256: 字符串类型
    • summary_info: 结构体类型，包含以下字段：
      • input_tokens: 64位整数类型
      • model_uuid: 字符串类型
      • output_tokens: 64位整数类型
    • transaction_key: 字符串类型
    • warnings: null类型
  • results: 结构体类型，包含以下字段：
    • channels: 列表类型，包含以下字段：
      • alternatives: 列表类型，包含以下字段：
        • confidence: 64位浮点数类型
        • entities: null类型
        • paragraphs: 结构体类型，包含以下字段：
          • paragraphs: 列表类型，包含以下字段：
            • end: 64位浮点数类型
            • num_words: 64位浮点数类型
            • sentences: 列表类型，包含以下字段：
              • end: 64位浮点数类型
              • start: 64位浮点数类型
              • text: 字符串类型
            • speaker: 64位整数类型
            • start: 64位浮点数类型
          • transcript: 字符串类型
        • summaries: null类型
        • topics: 列表类型，包含以下字段：
          • end_word: 64位浮点数类型
          • start_word: 64位浮点数类型
          • text: 字符串类型
          • topics: 列表类型，包含以下字段：
            • confidence: 64位浮点数类型
            • topic: 字符串类型
        • transcript: 字符串类型
        • translations: null类型
        • words: 列表类型，包含以下字段：
          • confidence: 64位浮点数类型
          • end: 64位浮点数类型
          • punctuated_word: 字符串类型
          • speaker: 64位整数类型
          • speaker_confidence: 64位浮点数类型
          • start: 64位浮点数类型
          • word: 字符串类型
    • detected_language: 字符串类型
    • language_confidence: 64位浮点数类型
    • search: null类型
  • summary: 结构体类型，包含以下字段：
    • result: 字符串类型
    • short: 字符串类型
  • utterances: null类型
• audio_path: 字符串类型
• link: 字符串类型
• title: 字符串类型
• views: 64位整数类型
• transcript: 字符串类型
• summary: 字符串类型

数据分割

• train:
  • 字节数: 66706960
  • 样本数: 522

数据集大小

• 下载大小: 24568645 字节
• 数据集大小: 66706960 字节

配置

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