ylacombe/accent_predictions

---
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: speaker_id
dtype: string
- name: hidden_states
sequence: float16
- name: probabilities
sequence: float16
- name: sorted_probabilities
sequence: int64
- name: top_accents
sequence: string
- name: most_frequent_first_accent
dtype: string
- name: entropy_score
dtype: float64
- name: weighted_entropy_accent
dtype: string
- name: borda_accent
dtype: string
splits:
- name: train
num_bytes: 9747001278.316
num_examples: 88172
download_size: 9680238077
dataset_size: 9747001278.316
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

特征

• audio: 音频数据，采样率为16000。
• speaker_id: 说话者ID，数据类型为字符串。
• hidden_states: 隐藏状态，数据类型为float16序列。
• probabilities: 概率，数据类型为float16序列。
• sorted_probabilities: 排序后的概率，数据类型为int64序列。
• top_accents: 主要口音，数据类型为字符串序列。
• most_frequent_first_accent: 最常见的第一个口音，数据类型为字符串。
• entropy_score: 熵得分，数据类型为float64。
• weighted_entropy_accent: 加权熵口音，数据类型为字符串。
• borda_accent: Borda口音，数据类型为字符串。

数据分割

• train: 训练集，包含88172个样本，总大小为9747001278.316字节。

数据集大小

• 下载大小: 9680238077字节
• 数据集大小: 9747001278.316字节

配置

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