adivya/common-voice-16-1-hi-pseudo-labelled

该数据集包含音频文件及其对应的句子转录，音频采样率为16000Hz。数据集分为训练集、验证集和测试集，分别包含728、412和584个样本。每个样本包含路径、音频数据、句子转录、前序条件以及Whisper转录信息。数据集总下载大小为1415114907字节，总大小为1509850851.0字节。

The dataset includes a configuration named hi, featuring path, audio (sampling rate 16000Hz), sentence, condition sequence, and whisper transcript. It is divided into train (728 examples), validation (412 examples), and test (584 examples) splits, with a total download size of 1415114907 bytes and actual size of 1509850851 bytes.

原始信息汇总

数据集概述

数据集配置

• 配置名称: hi

特征信息

• path: 字符串类型
• audio: 音频类型，采样率为16000
• sentence: 字符串类型
• condition_on_prev: 整数序列类型
• whisper_transcript: 字符串类型

数据集划分

• 训练集:
  • 样本数量: 728
  • 数据大小: 641276980.0 字节
• 验证集:
  • 样本数量: 412
  • 数据大小: 362992514.0 字节
• 测试集:
  • 样本数量: 584
  • 数据大小: 505581357.0 字节

数据集大小

• 下载大小: 1415114907 字节
• 总数据大小: 1509850851.0 字节

数据文件路径

• 训练集: hi/train-*
• 验证集: hi/validation-*
• 测试集: hi/test-*