atmatechdev/commonvoice_17_0_embedding

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: labels
sequence:
sequence: float32
- name: speaker_embeddings
sequence: float32
splits:
- name: train
num_bytes: 521982354.3842515
num_examples: 5897
- name: test
num_bytes: 58066885.61574851
num_examples: 656
download_size: 580519995
dataset_size: 580049240.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

特征信息

• input_ids: 序列类型为 int32
• labels: 序列类型为 float32 的序列
• speaker_embeddings: 序列类型为 float32

数据分割

• 训练集 (train):
  • 字节数: 521982354.3842515
  • 样本数: 5897
• 测试集 (test):
  • 字节数: 58066885.61574851
  • 样本数: 656

数据集大小

• 下载大小: 580519995 字节
• 数据集大小: 580049240.0 字节

配置信息

• 默认配置 (default):
  • 训练集文件路径: data/train-*
  • 测试集文件路径: data/test-*