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-*。