Beijuka/Afrikaans_parakeet_5hr

该数据集包含多个特征，如说话者ID、年龄、性别、位置、音频、MD5校验和、持续时间、PDP评分和转录文本。数据集分为训练集、验证集和测试集，分别包含5990、1269和2160个样本。数据集的下载大小为906298287字节，总大小为922984965.0字节。

The dataset includes multiple features such as speaker ID, age, gender, location, audio, MD5 checksum, duration, PDP score, and transcription text. The dataset is divided into training, validation, and test sets, containing 5990, 1269, and 2160 samples respectively. The download size of the dataset is 906298287 bytes, and the total size is 922984965.0 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• speaker_id: 说话者ID，数据类型为 int64
• age: 年龄，数据类型为 int64
• gender: 性别，数据类型为 string
• location: 位置，数据类型为 string
• audio: 音频数据，包含采样率为 16000 的音频文件
• md5sum: MD5校验和，数据类型为 string
• duration: 音频时长，数据类型为 float64
• pdp_score: PDP评分，数据类型为 float64
• transcription: 转录文本，数据类型为 string

数据集分割

• train: 训练集，包含 5990 个样本，大小为 576984009.0 字节
• valid: 验证集，包含 1269 个样本，大小为 115315593.0 字节
• test: 测试集，包含 2160 个样本，大小为 230685363.0 字节

数据集大小

• 下载大小: 906298287 字节
• 数据集总大小: 922984965.0 字节

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • valid: data/valid-*
    • test: data/test-*