jan-hq/instruction-speech-no-audio

该数据集包含四个主要字段：prompt（提示）、answer（回答）、tokens（标记序列）和sound_tokens（声音标记序列）。数据集仅包含一个训练集，该训练集包含444,678个示例，总大小为16,303,733,932字节。数据集的下载大小为1,586,874,603字节。默认配置下的数据文件路径为data/train-*。

The dataset contains four main fields: prompt, answer, tokens, and sound_tokens. The dataset includes only a training set, which contains 444,678 examples with a total size of 16,303,733,932 bytes. The download size of the dataset is 1,586,874,603 bytes. The data file path under the default configuration is data/train-*.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • prompt: 数据类型为字符串。
  • answer: 数据类型为字符串。
  • tokens: 数据类型为整数序列。
  • sound_tokens: 数据类型为字符串序列。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 16303733932
  • 样本数: 444678

数据集大小

• 下载大小: 1586874603
• 数据集大小: 16303733932

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*