SyedAunZaidi/cv-corpus-12.0-ur

---
dataset_info:
features:
- name: audio
dtype: audio
- name: client_id
dtype: string
- name: path
dtype: string
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accents
dtype: float64
- name: locale
dtype: string
- name: segment
dtype: float64
- name: config
dtype: string
splits:
- name: train
num_bytes: 108827434.74
num_examples: 4130
- name: test
num_bytes: 80572665.808
num_examples: 3266
- name: validation
num_bytes: 80572665.808
num_examples: 3266
download_size: 270105868
dataset_size: 269972766.35599995
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

数据特征

• audio: 音频数据
• client_id: 字符串类型，客户端ID
• path: 字符串类型，文件路径
• sentence: 字符串类型，句子内容
• up_votes: 整数类型，赞同票数
• down_votes: 整数类型，反对票数
• age: 字符串类型，年龄
• gender: 字符串类型，性别
• accents: 浮点数类型，口音
• locale: 字符串类型，地区
• segment: 浮点数类型，片段
• config: 字符串类型，配置

数据分割

• train: 训练集，包含4130个样本，总字节数为108827434.74
• test: 测试集，包含3266个样本，总字节数为80572665.808
• validation: 验证集，包含3266个样本，总字节数为80572665.808

数据集大小

• 下载大小: 270105868字节
• 数据集大小: 269972766.35599995字节

配置

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