Chijioke-Mgbahurike/whisp_med_spot_data_all

该数据集包含音频数据、转录文本、注释者ID、文件名、说话者数量、不同方言和口音的使用情况、性别信息、人口统计信息等特征。数据集主要用于语音识别和语言学研究，特别是关于方言、口音和性别对语音数据的影响。数据集包含一个训练集，共有1690个样本，总大小为6268979162.75字节。

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据，采样率为16000。
• Unnamed: 0: 整数类型。
• transcription: 字符串类型。
• annotator_id: 浮点数类型。
• filename: 字符串类型。
• num_speakers: 浮点数类型。
• aave: 浮点数类型。
• aave_speaker_count: 浮点数类型。
• chicano_english: 浮点数类型。
• ce_speaker_count: 浮点数类型。
• spanglish: 浮点数类型。
• spanglish_speaker_count: 浮点数类型。
• sae: 浮点数类型。
• sae_speaker_count: 浮点数类型。
• codeswitching: 浮点数类型。
• other_dialect_accent: 浮点数类型。
• women: 浮点数类型。
• women_speaker_count: 浮点数类型。
• men: 浮点数类型。
• men_speaker_count: 浮点数类型。
• demographic_info_correct: 浮点数类型。
• demographic_group: 字符串类型。
• input_values: 序列类型，元素为float32。
• input_length: 浮点数类型。
• labels: 序列类型，元素为int64。
• input_features: 序列类型，元素为序列，序列元素为float32。
• pred_str: 字符串类型。
• text: 序列类型，元素为字符串。

数据集分割

• train: 训练集，包含1690个样本，数据大小为6268979162.75字节。

数据集大小

• 下载大小: 6048817659字节。
• 数据集大小: 6268979162.75字节。