jp1924/KconfSpeech

---
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: id
dtype: string
- name: dataSet
struct:
- name: version
dtype: string
- name: date
dtype: string
- name: typeInfo
struct:
- name: category
dtype: string
- name: subcategory
dtype: string
- name: place
dtype: string
- name: speakers
list:
- name: id
dtype: string
- name: gender
dtype: string
- name: age
dtype: string
- name: residence
dtype: string
- name: inputType
dtype: string
- name: dialogs
list:
- name: speaker
dtype: string
- name: audioPath
dtype: string
- name: textPath
dtype: string
splits:
- name: train
num_bytes: 342782915304.375
num_examples: 1824445
- name: validation
num_bytes: 3177111029.875
num_examples: 16113
download_size: 334480278087
dataset_size: 345960026334.25
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
task_categories:
- automatic-speech-recognition
language:
- ko
tags:
- STT
- Audio
size_categories:
- 100B<n<1T
---

原始信息汇总

数据集概述

数据集特征

• audio: 采样率为16000的音频数据。
• sentence: 字符串类型。
• id: 字符串类型。
• dataSet: 结构化数据，包含以下子特征：
  • version: 字符串类型。
  • date: 字符串类型。
  • typeInfo: 结构化数据，包含以下子特征：
    • category: 字符串类型。
    • subcategory: 字符串类型。
    • place: 字符串类型。
    • speakers: 列表，包含以下子特征：
      • id: 字符串类型。
      • gender: 字符串类型。
      • age: 字符串类型。
      • residence: 字符串类型。
    • inputType: 字符串类型。
  • dialogs: 列表，包含以下子特征：
    • speaker: 字符串类型。
    • audioPath: 字符串类型。
    • textPath: 字符串类型。

数据集分割

• train: 1824445个样本，占用342782915304.375字节。
• validation: 16113个样本，占用3177111029.875字节。

数据集大小

• 下载大小: 334480278087字节。
• 数据集大小: 345960026334.25字节。

配置

• config_name: default
• data_files:
  • split: train, path: data/train-*
  • split: validation, path: data/validation-*

任务类别

• automatic-speech-recognition

语言

• ko

标签

• STT
• Audio

大小类别

• 100B<n<1T