tsdocode/common_voice_13_0_vi_pseudo_labelled

---
dataset_info:
config_name: vi
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: variant
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: train
num_bytes: 82967897.192
num_examples: 2462
- name: validation
num_bytes: 8286788.0
num_examples: 392
- name: test
num_bytes: 33940654.55
num_examples: 1225
download_size: 112186625
dataset_size: 125195339.742
configs:
- config_name: vi
data_files:
- split: train
path: vi/train-*
- split: validation
path: vi/validation-*
- split: test
path: vi/test-*
---

原始信息汇总

数据集概述

数据集特征

• client_id: 数据类型为字符串。
• path: 数据类型为字符串。
• audio: 数据类型为音频，采样率为16000。
• sentence: 数据类型为字符串。
• up_votes: 数据类型为整数。
• down_votes: 数据类型为整数。
• age: 数据类型为字符串。
• gender: 数据类型为字符串。
• accent: 数据类型为字符串。
• locale: 数据类型为字符串。
• segment: 数据类型为字符串。
• variant: 数据类型为字符串。
• whisper_transcript: 数据类型为序列整数。

数据集分割

• 训练集: 包含2462个样本，占用82967897.192字节。
• 验证集: 包含392个样本，占用8286788.0字节。
• 测试集: 包含1225个样本，占用33940654.55字节。

数据集大小

• 下载大小: 112186625字节。
• 数据集总大小: 125195339.742字节。