ymoslem/CoVoST2-EN-AR

CoVoST 2是一个基于Common Voice的大规模多语言语音翻译语料库，由FAIR开发。这是该数据集的英语到阿拉伯语部分。

原始信息汇总

数据集概述

数据集配置

• config_name: ar-en

  • 特征（Features）:
    • client_id: 数据类型 - 字符串
    • file: 数据类型 - 字符串
    • audio: 数据类型 - 音频，采样率为16000 Hz
    • sentence: 数据类型 - 字符串
    • translation: 数据类型 - 字符串
    • id: 数据类型 - 字符串
  • 数据分割（Splits）:
    • train: 样本数 - 2283
    • test: 样本数 - 1758
    • validation: 样本数 - 1695

• config_name: en-ar

  • 特征（Features）:
    • client_id: 数据类型 - 字符串
    • file: 数据类型 - 字符串
    • audio: 数据类型 - 音频，采样率为16000 Hz
    • sentence: 数据类型 - 字符串
    • translation: 数据类型 - 字符串
    • id: 数据类型 - 字符串
  • 数据分割（Splits）:
    • train: 样本数 - 289430
    • test: 样本数 - 15531
    • validation: 样本数 - 15531

数据文件配置

• config_name: ar-en

  • 数据文件路径（Data Files Paths）:
    • train: ar-en/train-*
    • validation: ar-en/validation-*
    • test: ar-en/test-*

• config_name: en-ar

  • 数据文件路径（Data Files Paths）:
    • train: en-ar/train-*
    • validation: en-ar/validation-*
    • test: en-ar/test-*

许可证

• license: cc0-1.0

任务类别

• task_categories:
  • 自动语音识别
  • 文本到语音

语言

• language:
  • 阿拉伯语
  • 英语

数据集大小类别

• size_categories: 100K<n<1M