rikeshsilwalekg/phase2-stt-app-conv

该数据集包含音频数据及其对应的转录文本，音频的采样率为16000Hz。数据集的特征包括音频、转录文本、输入长度、输入特征、标签和标签长度。数据集分为训练集，包含499个样本，总大小为799222839字节，下载大小为98125501字节。

This dataset contains audio data and corresponding transcriptions, with an audio sampling rate of 16000Hz. The features of the dataset include audio, transcription, input length, input features, labels, and labels length. The dataset is divided into a training set, containing 499 samples, with a total size of 799222839 bytes, and a download size of 98125501 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• audio:
  • 数据类型: 音频
  • 采样率: 16000
• transcription:
  • 数据类型: 字符串
• input_length:
  • 数据类型: int64
• input_features:
  • 数据类型: 序列
  • 序列类型: float32
• labels:
  • 数据类型: 序列
  • 序列类型: int64
• labels_length:
  • 数据类型: int64

数据分割

• train:
  • 字节数: 799222839.0
  • 样本数: 499

数据集大小

• 下载大小: 98125501
• 数据集大小: 799222839.0

配置

• config_name: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*