jp1924/AudioCaps

---
dataset_info:
features:
- name: audiocap_id
dtype: int32
- name: youtube_id
dtype: string
- name: start_time
dtype: int32
- name: audio
dtype:
audio:
sampling_rate: 48000
- name: caption
dtype: string
splits:
- name: train
num_bytes: 2012866216147.6
num_examples: 45087
- name: validation
num_bytes: 94570191869
num_examples: 2230
- name: test
num_bytes: 187871958256.0
num_examples: 4400
download_size: 431887334157
dataset_size: 282442150125.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

This dataset is primarily used for the analysis of audio and text correlation, including features such as audio caption ID, YouTube video ID, start time, audio data with a sampling rate of 48000Hz, and corresponding text captions. The dataset is divided into a training set (45087 examples), a validation set (2230 examples), and a test set (4400 examples), with a total download size of 431887334157 bytes and an actual usage size of 282442150125.0 bytes.

原始信息汇总

数据集概述

数据集特征

• audiocap_id: 数据类型为 int32
• youtube_id: 数据类型为 string
• start_time: 数据类型为 int32
• audio: 数据类型包含子特征 sampling_rate，值为 48000
• caption: 数据类型为 string

数据集分割

• train: 包含 45087 个样本，大小为 2012866216147.6 字节
• validation: 包含 2230 个样本，大小为 94570191869 字节
• test: 包含 4400 个样本，大小为 187871958256.0 字节

数据集大小

• 下载大小: 431887334157 字节
• 数据集大小: 282442150125.0 字节

配置信息

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

搜集汇总

背景与挑战

背景概述

jp1924/AudioCaps是一个多模态数据集，包含音频和文本数据，格式为parquet，大小在10K到100K之间。访问该数据集需要用户同意共享联系信息，且有两个基于该数据集训练的模型。