speedcell4/ted_multi

该数据集包含60种不同语言的翻译文本，每个语言对都有相应的翻译文本。数据集还包含一个名为talk_name的字符串特征，可能是指对话或讨论的主题名称。数据集分为训练集、验证集和测试集，分别包含258098、6049和7213个样本。

原始信息汇总

数据集概述

特征

• translations: 包含多种语言的翻译数据。
  • 语言:
    • ar, az, be, bg, bn, bs, calv, cs, da, de, el, en, eo, es, et, eu, fa, fi, fr, fr-ca, gl, he, hi, hr, hu, hy, id, it, ja, ka, kk, ko, ku, lt, mk, mn, mr, ms, my, nb, nl, pl, pt, pt-br, ro, ru, sk, sl, sq, sr, sv, ta, th, tr, uk, ur, vi, zh, zh-cn, zh-tw
  • 语言数量: 60
• talk_name: 字符串类型，可能表示对话或讨论的名称。

数据分割

• train:
  • 字节数: 746699460
  • 样本数: 258098
• validation:
  • 字节数: 19396220
  • 样本数: 6049
• test:
  • 字节数: 23317293
  • 样本数: 7213

数据集大小

• 下载大小: 526470120 字节
• 数据集总大小: 789412973 字节

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*