Beijuka/NCHLT_Speech_corpus_Afrikaans

该数据集包含多个特征，如说话者ID、年龄、性别、位置、音频、MD5校验和、时长、PDP评分和正交文本。数据集分为训练集和测试集，训练集包含63131个样本，测试集包含3002个样本。数据集的下载大小为6410607519字节，总大小为6604810654.76字节。

原始信息汇总

数据集概述

数据集信息

特征

• speaker_id: 说话者ID，数据类型为 int64
• age: 年龄，数据类型为 int64
• gender: 性别，数据类型为 string
• location: 位置，数据类型为 string
• audio: 音频数据，包含采样率为 16000 的音频文件
• md5sum: MD5校验和，数据类型为 string
• duration: 持续时间，数据类型为 float64
• pdp_score: PDP分数，数据类型为 float64
• orth: 正交特征，数据类型为 string

数据集分割

• train: 训练集，包含 63131 个样本，总大小为 6273810430.48 字节
• test: 测试集，包含 3002 个样本，总大小为 331000224.28 字节

数据集大小

• 下载大小: 6410607519 字节
• 总大小: 6604810654.759999 字节

配置

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