jayasuryajsk/google-fleurs-te-romanized

该数据集包含音频文件及其转录文本，涵盖了多种语言和性别信息。数据集的特征包括音频文件的ID、样本数量、路径、音频数据、转录文本、原始转录文本、性别、语言ID、语言、语言组ID以及罗马化转录文本。数据集分为训练集和测试集，训练集包含2302个样本，测试集包含472个样本。音频文件的采样率为16000Hz，支持多种语言和性别分类。

原始信息汇总

数据集特征

• id：整数类型（int32）
• num_samples：整数类型（int32）
• path：字符串类型（string）
• audio：音频特征，采样率为16000
• transcription：字符串类型（string）
• raw_transcription：字符串类型（string）
• gender：分类标签，包括男性（0）、女性（1）和其他（2）
• lang_id：分类标签，包含多种语言代码，如af_za（0）、am_et（1）等
• language：字符串类型（string）
• lang_group_id：分类标签，包括western_european_we（0）、eastern_european_ee（1）等
• romanized_transcription：字符串类型（string）

数据集分割

• train：包含2302个样本，总大小为1826333519.522字节
• test：包含472个样本，总大小为334348324.0字节

数据集大小

• 下载大小：2140431805字节
• 数据集总大小：2160681843.5220003字节

数据集配置

• config_name：default
• data_files：
  • train：路径为data/train-*
  • test：路径为data/test-*