cladsu/coser-completo

该数据集包含音频文件及其相关的元数据，如ID、turno_id、持续时间和文本描述。数据集分为训练集、验证集和测试集，分别包含13941、4647和4648个示例。数据集的总下载大小为23GB，总大小为16GB。

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据
• id: 整数类型
• turno_id: 整数类型
• duration: 字符串类型
• text: 字符串类型

数据集分割

• 训练集:
  • 示例数量: 13941
  • 数据大小: 8654972159.934字节
• 验证集:
  • 示例数量: 4647
  • 数据大小: 3686031304.67字节
• 测试集:
  • 示例数量: 4648
  • 数据大小: 3665553155.568字节

数据集大小

• 下载大小: 23029811452字节
• 数据集总大小: 16006556620.172字节

数据文件配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*

搜集汇总

背景与挑战

背景概述

该数据集是一个包含音频和文本的多模态西班牙语对话数据集，主要用于语音识别或自然语言处理任务。数据集规模适中，总大小23 GB，包含约23k行数据，并已划分为训练、验证和测试集。数据内容涉及日常对话，可能包含方言或口语表达，适合用于语言模型训练或方言研究。