somehowchris/librispeech_asr

该数据集包含多种特征，如文件名、音频（采样率为16000）、文本、说话人ID、章节ID、唯一标识符、说话人嵌入、文本语义ID和编解码器代码。数据集分为训练集（包含104014个示例，总字节数为51166555675.25）、测试集（包含2620个示例，总字节数为756282930.5）和验证集（包含2703个示例，总字节数为753951536.125）。数据集的下载大小为46444631789字节，数据集总大小为52676790141.875字节。

原始信息汇总

数据集概述

数据集特征

• file: 数据类型为字符串。
• audio: 数据类型为音频，采样率为16000。
• text: 数据类型为字符串。
• speaker_id: 数据类型为64位整数。
• chapter_id: 数据类型为64位整数。
• id: 数据类型为字符串。
• speaker_embedding: 序列类型，内部序列数据类型为32位浮点数。
• text_semantic_ids: 序列类型，内部序列数据类型为64位整数。
• codec_codes: 序列类型，内部序列数据类型为64位整数。

数据集分割

• 训练集(train): 包含104014个样本，总大小为51166555675.25字节。
• 测试集(test): 包含2620个样本，总大小为756282930.5字节。
• 验证集(valdiation): 包含2703个样本，总大小为753951536.125字节。

数据集大小

• 下载大小: 46444631789字节。
• 数据集总大小: 52676790141.875字节。

数据文件配置

• 默认配置(default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/valdiation-*