evanarlian/common_voice_11_0_id_filtered

---
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
splits:
- name: train
num_bytes: 570693903.7812607
num_examples: 22906
- name: validation
num_bytes: 98832914.0
num_examples: 3226
- name: test
num_bytes: 112254685.0
num_examples: 3618
- name: other
num_bytes: 147132536.35696015
num_examples: 6380
- name: invalidated
num_bytes: 63830420.0
num_examples: 2466
download_size: 975354578
dataset_size: 992744459.1382209
---
# Dataset Card for "common_voice_11_0_id_filtered"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: common_voice_11_0_id_filtered

数据集特征

• client_id: 数据类型为字符串。
• path: 数据类型为字符串。
• audio: 数据类型为音频，采样率为16000。
• sentence: 数据类型为字符串。
• up_votes: 数据类型为int64。
• down_votes: 数据类型为int64。
• age: 数据类型为字符串。
• gender: 数据类型为字符串。
• accent: 数据类型为字符串。
• locale: 数据类型为字符串。
• segment: 数据类型为字符串。

数据集分割

• train: 包含22906个样本，占用570693903.7812607字节。
• validation: 包含3226个样本，占用98832914.0字节。
• test: 包含3618个样本，占用112254685.0字节。
• other: 包含6380个样本，占用147132536.35696015字节。
• invalidated: 包含2466个样本，占用63830420.0字节。

数据集大小

• 下载大小: 975354578字节。
• 数据集大小: 992744459.1382209字节。