atmatechdev/dataset_23k_pseudo_labelled

---
dataset_info:
config_name: id
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: path
dtype: string
- name: condition_on_prev
sequence: int64
- name: whisper_transcript
dtype: string
splits:
- name: train
num_bytes: 3425445729.512
num_examples: 18988
- name: test
num_bytes: 845730033.878
num_examples: 4747
download_size: 4194677682
dataset_size: 4271175763.3900003
configs:
- config_name: id
data_files:
- split: train
path: id/train-*
- split: test
path: id/test-*
---

原始信息汇总

数据集概述

数据集配置

• 配置名称: id

数据特征

• 音频 (audio)
  • 数据类型: 音频
  • 采样率: 16000 Hz
• 句子 (sentence)
  • 数据类型: 字符串
• 路径 (path)
  • 数据类型: 字符串
• 条件前项 (condition_on_prev)
  • 数据类型: 整数64位
• Whisper转录文本 (whisper_transcript)
  • 数据类型: 字符串

数据分割

• 训练集 (train)
  • 样本数量: 18988
  • 数据大小: 3425445729.512字节
• 测试集 (test)
  • 样本数量: 4747
  • 数据大小: 845730033.878字节

数据集大小

• 下载大小: 4194677682字节
• 总数据集大小: 4271175763.3900003字节

数据文件路径

• 训练集路径: id/train-*
• 测试集路径: id/test-*