Beijuka/nchlt_speech_corpus_zul

该数据集包含多个特征，包括说话者ID、年龄、性别、音频文件、MD5校验和、音频时长、PDP评分和转录文本。数据集分为训练集和测试集，训练集包含41871个样本，测试集包含2802个样本。音频文件的采样率为16000Hz。数据集的下载大小为6360680451字节，总大小为5378444392.76字节。

The dataset contains multiple features including speaker ID, age, gender, audio files, MD5 checksum, audio duration, PDP score, and transcription text. The dataset is divided into a training set and a test set, with the training set containing 41871 samples and the test set containing 2802 samples. The sampling rate of the audio files is 16000Hz. The download size of the dataset is 6360680451 bytes, and the total size is 5378444392.76 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。
• audio: 音频数据，包含采样率为16000的音频文件。
• md5sum: 音频文件的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: 音频转录文本，数据类型为string。

数据集分割

• train: 训练集，包含41871个样本，总大小为4926086264.08字节。
• test: 测试集，包含2802个样本，总大小为452358128.68字节。

数据集大小

• 下载大小: 6360680451字节。
• 数据集总大小: 5378444392.76字节。

配置

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