d0rj/audiocaps

---
dataset_info:
features:
- name: audiocap_id
dtype: int64
- name: youtube_id
dtype: string
- name: start_time
dtype: int64
- name: caption
dtype: string
splits:
- name: train
num_bytes: 4162928
num_examples: 49838
- name: validation
num_bytes: 198563
num_examples: 2475
- name: test
num_bytes: 454652
num_examples: 4875
download_size: 2781679
dataset_size: 4816143
license: mit
task_categories:
- text-to-speech
language:
- en
multilinguality:
- monolingual
tags:
- youtube
- captions
pretty_name: AudioCaps
size_categories:
- 10K<n<100K
source_datasets:
- original
paperswithcode_id: audiocaps
---

# audiocaps

## Dataset Description

- **Homepage:** https://audiocaps.github.io/
- **Repository:** https://github.com/cdjkim/audiocaps
- **Paper:** [AudioCaps: Generating Captions for Audios in The Wild](https://aclanthology.org/N19-1011.pdf)

HuggingFace mirror of [official data repo](https://github.com/cdjkim/audiocaps).

原始信息汇总

数据集概述

基本信息

• 数据集名称： AudioCaps
• 数据集大小： 4816143字节
• 下载大小： 2781679字节
• 许可证： MIT
• 语言： 英语
• 多语言性： 单语种
• 标签： YouTube, 字幕
• 任务类别： 文本到语音
• 数据集来源： 原始
• 论文代码ID： audiocaps

数据集特征

• audiocap_id： 数据类型为int64
• youtube_id： 数据类型为string
• start_time： 数据类型为int64
• caption： 数据类型为string

数据集分割

• 训练集： 大小为4162928字节，样本数为49838
• 验证集： 大小为198563字节，样本数为2475
• 测试集： 大小为454652字节，样本数为4875

数据集类别

• 大小类别： 10K<n<100K