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-*