ky552/ML2021_ASR_ST

该数据集包含2021年国立台湾大学机器学习课程的音频录音、转录文本及其英文翻译。该数据集可用于特定领域和代码转换的自动语音识别/语音到文本翻译。

原始信息汇总

数据集卡片 "ML2021_ASR_ST"

数据集概述

该数据集包含2021年国立台湾大学机器学习课程的音频记录、转录文本及其英文翻译。适用于特定领域和代码转换的自动语音识别（ASR）和语音到文本翻译任务。

数据集配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 开发集：路径为 data/dev-*
  • 测试集：路径为 data/test-*

数据集特征

• 音频：采样率为 16000 Hz
• 转录文本：字符串类型
• 翻译文本：字符串类型
• 文件名：字符串类型

数据集分割

• 训练集：
  • 字节数：6392221146.655
  • 样本数：17779
• 开发集：
  • 字节数：786905707.92
  • 样本数：2997
• 测试集：
  • 字节数：4054213966.96
  • 样本数：14916

数据集大小

• 下载大小：8220600841 字节
• 数据集大小：11233340821.535 字节

许可证

MIT 许可证