jp1924/GyeongsangSpeech
收藏Hugging Face2024-06-14 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/jp1924/GyeongsangSpeech
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: id
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: standard_form
dtype: string
- name: dialect_form
dtype: string
- name: start
dtype: float32
- name: end
dtype: float32
- name: note
dtype: string
- name: eojeolList
list:
- name: id
dtype: int8
- name: eojeol
dtype: string
- name: standard
dtype: string
- name: isDialect
dtype: bool
- name: speaker
struct:
- name: id
dtype: string
- name: name
dtype: string
- name: age
dtype: string
- name: occupation
dtype: string
- name: sex
dtype: string
- name: birthplace
dtype: string
- name: principal_residence
dtype: string
- name: current_residence
dtype: string
- name: education
dtype: string
- name: metadata
struct:
- name: title
dtype: string
- name: creator
dtype: string
- name: distributor
dtype: string
- name: year
dtype: string
- name: category
dtype: string
- name: annotation_level
list: string
- name: sampling
dtype: string
- name: author
dtype: string
- name: publisher
dtype: string
- name: date
dtype: string
- name: topic
dtype: string
splits:
- name: train
num_bytes: 295188715803.664
num_examples: 2088487
- name: validation
num_bytes: 30104901343.384
num_examples: 229497
download_size: 297290180997
dataset_size: 325293617147.048
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
---
提供机构：
jp1924
原始信息汇总
数据集概述
特征信息
- id: 字符串类型
- audio: 音频类型，采样率为16000
- sentence: 字符串类型
- standard_form: 字符串类型
- dialect_form: 字符串类型
- start: 浮点数类型
- end: 浮点数类型
- note: 字符串类型
- eojeolList: 列表类型，包含以下子字段：
- id: 整数类型
- eojeol: 字符串类型
- standard: 字符串类型
- isDialect: 布尔类型
- speaker: 结构类型，包含以下子字段：
- id: 字符串类型
- name: 字符串类型
- age: 字符串类型
- occupation: 字符串类型
- sex: 字符串类型
- birthplace: 字符串类型
- principal_residence: 字符串类型
- current_residence: 字符串类型
- education: 字符串类型
- metadata: 结构类型，包含以下子字段：
- title: 字符串类型
- creator: 字符串类型
- distributor: 字符串类型
- year: 字符串类型
- category: 字符串类型
- annotation_level: 字符串列表类型
- sampling: 字符串类型
- author: 字符串类型
- publisher: 字符串类型
- date: 字符串类型
- topic: 字符串类型
数据分割
- train: 包含2088487个样本，大小为295188715803.664字节
- validation: 包含229497个样本，大小为30104901343.384字节
数据集大小
- 下载大小: 297290180997字节
- 数据集大小: 325293617147.048字节
配置信息
- default: 包含训练和验证数据文件路径
- train: data/train-*
- validation: data/validation-*
任务类别
- 自动语音识别
语言
- 韩语
标签
- STT
- Audio
数据集大小类别
- 100B<n<1T
