Isma/alffa_wolof

--- dataset_info: features: - name: audio sequence: float32 - name: speaker_id dtype: string - name: transcription dtype: string - name: filename dtype: string splits: - name: train num_bytes: 3879044515 num_examples: 13998 - name: dev num_bytes: 279984004 num_examples: 1120 download_size: 2072416720 dataset_size: 4159028519 task_categories: - automatic-speech-recognition language: - wo --- # Dataset Card for "alffa_wolof" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息： 数据特征： - 名称：音频（audio），序列类型：float32 - 名称：说话人ID（speaker_id），数据类型：字符串 - 名称：转录文本（transcription），数据类型：字符串 - 名称：文件名（filename），数据类型：字符串 数据划分： - 划分：训练集（train），占用字节数：3879044515，样本总量：13998 - 划分：验证集（dev，即开发集），占用字节数：279984004，样本总量：1120 下载大小：2072416720字节 数据集总大小：4159028519字节 任务类别：自动语音识别（automatic-speech-recognition） 语言：沃洛夫语（Wolof，代码wo） --- # "alffa_wolof"数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: alffa_wolof

数据集特征

• 音频 (audio): 序列类型为float32。
• 说话者ID (speaker_id): 数据类型为string。
• 转录文本 (transcription): 数据类型为string。
• 文件名 (filename): 数据类型为string。

数据集分割

• 训练集 (train): 包含13998个样本，总大小为3879044515字节。
• 开发集 (dev): 包含1120个样本，总大小为279984004字节。

数据集大小

• 下载大小: 2072416720字节。
• 数据集总大小: 4159028519字节。

任务类别

• 自动语音识别 (automatic-speech-recognition)

语言

• 语言: wo

搜集汇总

背景与挑战

背景概述

该数据集是一个用于自动语音识别的Wolof语言数据集，包含约1.5万条音频序列及其转录文本，总大小为2.07 GB，格式为parquet。数据集分为训练集和开发集，支持文本和时间序列模态，已用于训练大规模语音识别模型。