jadorantes2/test3

该数据集包含会议相关的音频和文本数据，每个记录包括会议ID、音频ID、文本内容、音频文件路径、音频的开始和结束时间、麦克风ID、说话者ID等信息。数据集分为训练集、验证集和测试集，分别包含93970、20136和20136个示例。

This dataset contains meeting-related audio and text data, with each record including meeting ID, audio ID, text content, audio file path, start and end time of the audio, microphone ID, speaker ID, etc. The dataset is divided into training, validation, and test sets, containing 93970, 20136, and 20136 examples respectively.

原始信息汇总

数据集概述

数据集特征

• meeting_id: 会议ID，数据类型为字符串。
• audio_id: 音频ID，数据类型为字符串。
• text: 文本内容，数据类型为字符串。
• audio: 音频信息，包含以下字段：
  • bytes: 音频字节数据，数据类型为空。
  • path: 音频文件路径，数据类型为字符串。
• begin_time: 开始时间，数据类型为浮点数（float32）。
• end_time: 结束时间，数据类型为浮点数（float32）。
• microphone_id: 麦克风ID，数据类型为字符串。
• speaker_id: 说话者ID，数据类型为字符串。
• index_level_0: 索引级别0，数据类型为整数（int64）。

数据集划分

• train: 训练集，包含93970个样本，总大小为29516624字节。
• validation: 验证集，包含20136个样本，总大小为6329733字节。
• test: 测试集，包含20136个样本，总大小为6326874字节。

数据集大小

• 下载大小: 17827537字节。
• 数据集总大小: 42173231字节。

配置信息

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