kotoba-speech/reazonspeech_v2_0_stage2_tokenized_trans-en-overfit

---
dataset_info:
features:
- name: audio_tokens
sequence:
sequence: int64
- name: spk_embed
sequence: float64
- name: text_tokens
sequence: int64
- name: dataset_id
dtype: string
- name: key
dtype: string
- name: duration
dtype: float64
- name: lang
dtype: 'null'
- name: ratio
dtype: float64
- name: text_en_gpt3.5_tokens
sequence: int64
- name: audio_tokens_bpe
sequence: int64
splits:
- name: train
num_bytes: 28935000
num_examples: 1000
- name: val
num_bytes: 57870
num_examples: 2
download_size: 849019
dataset_size: 28992870
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
---

原始信息汇总

数据集概述

数据集特征

• audio_tokens: 序列类型，包含int64数据。
• spk_embed: 序列类型，包含float64数据。
• text_tokens: 序列类型，包含int64数据。
• dataset_id: 字符串类型。
• key: 字符串类型。
• duration: float64类型。
• lang: null类型。
• ratio: float64类型。
• text_en_gpt3.5_tokens: 序列类型，包含int64数据。
• audio_tokens_bpe: 序列类型，包含int64数据。

数据集分割

• train: 包含1000个样本，占用28935000字节。
• val: 包含2个样本，占用57870字节。

数据集大小

• 下载大小: 849019字节。
• 总大小: 28992870字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • val: 路径为data/val-*。