sanchit-gandhi/tedlium-data

该数据集包含音频、文本、说话者ID、性别、文件和ID等特征。数据集分为训练集、验证集和测试集，分别包含268263、591和1469个样本。数据集的下载大小为52658646425字节，总大小为52935001081.5字节。

原始信息汇总

数据集概述

数据集特征

• audio: 音频特征，采样率为16000。
• text: 文本特征，数据类型为字符串。
• speaker_id: 说话者ID，数据类型为字符串。
• gender: 性别，数据类型为分类标签，包含三个类别：未知（0）、女性（1）、男性（2）。
• file: 文件名，数据类型为字符串。
• id: 唯一标识符，数据类型为字符串。

数据集分割

• train: 训练集，包含268263个样本，总大小为52384399934.125字节。
• validation: 验证集，包含591个样本，总大小为197798071.0字节。
• test: 测试集，包含1469个样本，总大小为352803076.375字节。

数据集大小

• 下载大小: 52658646425字节。
• 数据集总大小: 52935001081.5字节。