Predict9731/voxpopuli_windows_cs

---
dataset_info:
features:
- name: audio_id
dtype: string
- name: language
dtype:
class_label:
names:
'0': en
'1': de
'2': fr
'3': es
'4': pl
'5': it
'6': ro
'7': hu
'8': cs
'9': nl
'10': fi
'11': hr
'12': sk
'13': sl
'14': et
'15': lt
'16': en_accented
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: raw_text
dtype: string
- name: normalized_text
dtype: string
- name: gender
dtype: string
- name: speaker_id
dtype: string
- name: is_gold_transcript
dtype: bool
- name: accent
dtype: string
splits:
- name: train
num_bytes: 6549063392.628
num_examples: 18902
download_size: 10449462424
dataset_size: 6549063392.628
---
# Dataset Card for "voxpopuli_windows_cs"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

特征信息

• audio_id: 字符串类型，音频的唯一标识符。
• language: 分类标签类型，表示语言种类，包括：
  • 0: 英语
  • 1: 德语
  • 2: 法语
  • 3: 西班牙语
  • 4: 波兰语
  • 5: 意大利语
  • 6: 罗马尼亚语
  • 7: 匈牙利语
  • 8: 捷克语
  • 9: 荷兰语
  • 10: 芬兰语
  • 11: 克罗地亚语
  • 12: 斯洛伐克语
  • 13: 斯洛文尼亚语
  • 14: 爱沙尼亚语
  • 15: 立陶宛语
  • 16: 带有口音的英语
• audio: 音频类型，采样率为16000。
• raw_text: 字符串类型，原始文本。
• normalized_text: 字符串类型，规范化文本。
• gender: 字符串类型，性别。
• speaker_id: 字符串类型，说话者标识符。
• is_gold_transcript: 布尔类型，是否为黄金转录。
• accent: 字符串类型，口音。

数据分割

• train: 训练集，包含18902个样本，大小为6549063392.628字节。

数据集大小

• 下载大小: 10449462424字节
• 数据集大小: 6549063392.628字节