westbrook/gigaspeech-tiny-stage1

该数据集包含多个特征，如segment_id、speaker、text、audio等，其中audio特征包含采样率信息。数据集还包含多个分类标签，如source和category，分别表示数据来源和类别。此外，数据集还包含音频的统计信息，如utterance_pitch_mean、utterance_pitch_std等。数据集分为一个训练集，包含10个样本，总大小为1056699字节。

原始信息汇总

数据集概述

特征信息

• segment_id: 字符串类型
• speaker: 字符串类型
• text: 字符串类型
• audio: 音频类型，采样率为16000
• begin_time: 浮点数类型
• end_time: 浮点数类型
• audio_id: 字符串类型
• title: 字符串类型
• url: 字符串类型
• source: 分类标签类型，包含以下类别：
  • 0: audiobook
  • 1: podcast
  • 2: youtube
• category: 分类标签类型，包含以下类别：
  • 0: People and Blogs
  • 1: Business
  • 2: Nonprofits and Activism
  • 3: Crime
  • 4: History
  • 5: Pets and Animals
  • 6: News and Politics
  • 7: Travel and Events
  • 8: Kids and Family
  • 9: Leisure
  • 10: N/A
  • 11: Comedy
  • 12: News and Politics
  • 13: Sports
  • 14: Arts
  • 15: Science and Technology
  • 16: Autos and Vehicles
  • 17: Science and Technology
  • 18: People and Blogs
  • 19: Music
  • 20: Society and Culture
  • 21: Education
  • 22: Howto and Style
  • 23: Film and Animation
  • 24: Gaming
  • 25: Entertainment
  • 26: Travel and Events
  • 27: Health and Fitness
  • 28: audiobook
• original_full_path: 字符串类型
• utterance_pitch_mean: 浮点数类型
• utterance_pitch_std: 浮点数类型
• snr: 浮点数类型
• c50: 浮点数类型
• speaking_rate: 浮点数类型
• phonemes: 字符串类型
• stoi: 浮点数类型
• si-sdr: 浮点数类型
• pesq: 浮点数类型

数据集划分

• train: 包含10个样本，占用1056699.0字节

数据集大小

• 下载大小: 1059252字节
• 数据集大小: 1056699.0字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*