illuin/common_voice_11_0_processed

# common_voice_11_0_processed

## Dataset Description

### Dataset Summary

The data files can be found on the illuin gcloud instance at this adress: unknown_url

This dataset has been processed from Huggingface Hub dataset ``mozilla-foundation/common_voice_11_0`` and the config ``fr``

### Supported Tasks and Leaderboards

[More Information Needed]

### Languages

[More Information Needed]

## Dataset Structure

### Data Instances

[More Information Needed]

### Data Fields

[More Information Needed]

#### Columns

``path`` ``audio`` ``sentence`` ``taxonomy`` ``taxonomy_large`` ``sentence_processed``

#### Sample

```
{ 'audio': { 'array': array([ 0.00000000e+00, 0.00000000e+00, 0.00000000e+00, ...,
-6.10351562e-05, -6.10351562e-05, 0.00000000e+00]),
'path': None,
'sampling_rate': 16000},
'path': '/home/brunohays/.cache/huggingface/datasets/downloads/extracted/e95cbf12249133734218c89e4b09426a7807adcae4a709e56bc54e89ec65bc58/common_voice_fr_27787676.mp3',
'sentence': 'Il collaborera aussi avec Alan Bennett sur différentes comédies et téléfilm dramatiques.',
'sentence_processed': 'il collaborera aussi avec alan bennett sur différentes comédies et téléfilm dramatiques',
'taxonomy': 'common_voice',
'taxonomy_large': 'common_voice'}
```

### Data Splits

|split|number_of_rows|
|:---:|:---:
|train|487011|
|test|15611|

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

[More Information Needed]

### Annotations

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the dataset

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

Property of Illuin Technology

### Contributions

This dataset has been pushed using the repo [illuin-hf-dataset-pusher](https://gitlab.illuin.tech/data-science/ml/libraries/illuin-hf-dataset-pusher)

# common_voice_11_0_processed

## 数据集描述

### 数据集概述
数据文件可在Illuin的Google Cloud实例中获取，具体地址为：unknown_url。
本数据集由Huggingface Hub上的数据集`mozilla-foundation/common_voice_11_0`及配置`fr`处理得到。

### 支持任务与排行榜
[更多信息待补充]

### 语言信息
[更多信息待补充]

## 数据集结构

### 数据实例
[更多信息待补充]

### 数据字段
[更多信息待补充]

#### 列名
`path`、`audio`、`sentence`、`taxonomy`、`taxonomy_large`、`sentence_processed`

#### 样例

{ 'audio': { 'array': array([ 0.00000000e+00, 0.00000000e+00, 0.00000000e+00, ...,
-6.10351562e-05, -6.10351562e-05, 0.00000000e+00]),
'path': None,
'sampling_rate': 16000},
'path': '/home/brunohays/.cache/huggingface/datasets/downloads/extracted/e95cbf12249133734218c89e4b09426a7807adcae4a709e56bc54e89ec65bc58/common_voice_fr_27787676.mp3',
'sentence': 'Il collaborera aussi avec Alan Bennett sur différentes comédies et téléfilm dramatiques.',
'sentence_processed': 'il collaborera aussi avec alan bennett sur différentes comédies et téléfilm dramatiques',
'taxonomy': 'common_voice',
'taxonomy_large': 'common_voice'}

### 数据集拆分
| 数据集拆分 | 样本数量 |
|:-------:|:-----:|
| 训练集 | 487011 |
| 测试集 | 15611 |

## 数据集构建

### 数据集筛选依据
[更多信息待补充]

### 源数据
[更多信息待补充]

### 标注信息
[更多信息待补充]

### 个人与敏感信息
[更多信息待补充]

## 数据集使用注意事项

### 偏差讨论
[更多信息待补充]

### 其他已知局限
[更多信息待补充]

## 附加信息

### 数据集维护者
[更多信息待补充]

### 授权信息
本数据集归Illuin Technology所有。

### 贡献说明
本数据集通过仓库[illuin-hf-dataset-pusher](https://gitlab.illuin.tech/data-science/ml/libraries/illuin-hf-dataset-pusher) 完成推送。

原始信息汇总

common_voice_11_0_processed

数据集描述

数据集概述

该数据集是从Huggingface Hub的mozilla-foundation/common_voice_11_0数据集处理得到的，配置为法语（fr）。

支持的任务和排行榜

[更多信息待补充]

语言

[更多信息待补充]

数据集结构

数据实例

[更多信息待补充]

数据字段

列

• path
• audio
• sentence
• taxonomy
• taxonomy_large
• sentence_processed

示例

json { "audio": { "array": [0.0, 0.0, 0.0, ..., -6.10351562e-05, -6.10351562e-05, 0.0], "path": None, "sampling_rate": 16000 }, "path": "/home/brunohays/.cache/huggingface/datasets/downloads/extracted/e95cbf12249133734218c89e4b09426a7807adcae4a709e56bc54e89ec65bc58/common_voice_fr_27787676.mp3", "sentence": "Il collaborera aussi avec Alan Bennett sur différentes comédies et téléfilm dramatiques.", "sentence_processed": "il collaborera aussi avec alan bennett sur différentes comédies et téléfilm dramatiques", "taxonomy": "common_voice", "taxonomy_large": "common_voice" }

数据分割

分割	行数
train	487011
test	15611

数据集创建

策划理由

[更多信息待补充]

源数据

[更多信息待补充]

注释

[更多信息待补充]

个人和敏感信息

[更多信息待补充]

使用数据集的考虑因素

偏见讨论

[更多信息待补充]

其他已知限制

[更多信息待补充]

附加信息

数据集策展人

[更多信息待补充]

许可信息

属于Illuin Technology

贡献

该数据集是通过illuin-hf-dataset-pusher仓库推送的。