monsoonery/voxpopuli_nl_TRAIN_pseudo_labelled

---
dataset_info:
config_name: nl
features:
- name: audio_id
dtype: string
- name: language
dtype:
class_label:
names:
'0': en
'1': de
'2': fr
'3': es
'4': pl
'5': it
'6': ro
'7': hu
'8': cs
'9': nl
'10': fi
'11': hr
'12': sk
'13': sl
'14': et
'15': lt
'16': en_accented
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: raw_text
dtype: string
- name: normalized_text
dtype: string
- name: gender
dtype: string
- name: speaker_id
dtype: string
- name: is_gold_transcript
dtype: bool
- name: accent
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: train
num_bytes: 10456321909.608
num_examples: 20968
download_size: 8900264489
dataset_size: 10456321909.608
configs:
- config_name: nl
data_files:
- split: train
path: nl/train-*
---

原始信息汇总

数据集概述

数据集配置

• 配置名称: nl

数据特征

• audio_id: 字符串类型
• language: 分类标签类型，包含以下语言:
  • en
  • de
  • fr
  • es
  • pl
  • it
  • ro
  • hu
  • cs
  • nl
  • fi
  • hr
  • sk
  • sl
  • et
  • lt
  • en_accented
• audio: 音频类型，采样率为16000 Hz
• raw_text: 字符串类型
• normalized_text: 字符串类型
• gender: 字符串类型
• speaker_id: 字符串类型
• is_gold_transcript: 布尔类型
• accent: 字符串类型
• whisper_transcript: 序列类型，整数64位

数据集分割

• 训练集:
  • 数据量: 20968个样本
  • 存储大小: 10456321909.608字节

数据集大小

• 下载大小: 8900264489字节
• 数据集总大小: 10456321909.608字节