Aspik101/common_voice_13_0_pl_pseudo_labelled

该数据集包含音频数据及其相关元数据，特征包括客户端ID、音频路径、音频数据、句子文本、点赞数、点踩数、年龄、性别、口音、地区、片段、变体和Whisper转录。数据集分为训练集、验证集和测试集，分别包含17518、8534和8534个样本。音频的采样率为16000Hz。

原始信息汇总

数据集概述

配置信息

• 配置名称: pl

特征信息

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为16000
• 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
• whisper_transcript: 序列类型，64位整数

数据分割

• 训练集:
  • 字节数: 601297865.838
  • 样本数: 17518
• 验证集:
  • 字节数: 307275648.41
  • 样本数: 8534
• 测试集:
  • 字节数: 341315560.23
  • 样本数: 8534

数据大小

• 下载大小: 1202230845 字节
• 数据集大小: 1249889074.4780002 字节

数据文件配置

• 配置名称: pl
• 数据文件:
  • 训练集: pl/train-*
  • 验证集: pl/validation-*
  • 测试集: pl/test-*