xaviviro/common_voice_16_1_ca_up_5

数据集名为Common Voice Corpus 16.1 Català (up_votes>5)，是从mozilla-foundation/common_voice_16_1中提取的，仅包含加泰罗尼亚语的训练和测试分割，且只包含up_votes大于5的样本。数据集包含多个特征，如client_id, path, audio, sentence, up_votes, down_votes, age, gender, accent, locale, segment, variant等。数据集分为训练集和测试集，分别包含164061和525个样本。数据集的下载大小为4933447772字节，总大小为5830194718.68228字节。数据集的许可证为cc0-1.0，语言为加泰罗尼亚语。

原始信息汇总

数据集概述

数据集信息

特征

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为48000
• sentence: 字符串类型
• up_votes: 64位整数类型
• down_votes: 64位整数类型
• age: 字符串类型
• gender: 字符串类型
• accent: 字符串类型
• locale: 字符串类型
• segment: 字符串类型
• variant: 字符串类型

分割

• train:
  • 字节数: 5810210452.233682
  • 样本数: 164061
• test:
  • 字节数: 19984266.44859813
  • 样本数: 525

大小

• 下载大小: 4933447772
• 数据集大小: 5830194718.68228

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*

许可证

• license: cc0-1.0

语言

• language: ca

名称

• pretty_name: Common Voice Corpus 16.1 Català (up_votes>5)