rsalshalan/MGB3

--- dataset_info: features: - name: audio_path dtype: string - name: buckwalter_text dtype: string - name: buckwalter_text_numbers dtype: string - name: arabic_text dtype: string - name: arabic_text_numbers dtype: string - name: duration dtype: float64 splits: - name: train num_bytes: 8564533 num_examples: 13588 - name: validation num_bytes: 4653534 num_examples: 7999 - name: test num_bytes: 13097054 num_examples: 20818 download_size: 8765593 dataset_size: 26315121 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---数据集信息: 特征: - 名称: 音频文件路径（audio_path） 数据类型: 字符串 - 名称: 巴克沃尔特转写文本（buckwalter_text） 数据类型: 字符串 - 名称: 带数字的巴克沃尔特转写文本（buckwalter_text_numbers） 数据类型: 字符串 - 名称: 阿拉伯语文本（arabic_text） 数据类型: 字符串 - 名称: 带数字的阿拉伯语文本（arabic_text_numbers） 数据类型: 字符串 - 名称: 时长（duration） 数据类型: 64位浮点型（float64） 数据集划分: - 名称: 训练集（train） 字节大小: 8564533 样本数量: 13588 - 名称: 验证集（validation） 字节大小: 4653534 样本数量: 7999 - 名称: 测试集（test） 字节大小: 13097054 样本数量: 20818 下载总大小: 8765593 数据集总大小: 26315121 配置项: - 配置名称: 默认配置（default） 数据文件: - 划分: 训练集 路径: data/train-* - 划分: 验证集 路径: data/validation-* - 划分: 测试集 路径: data/test-*

原始信息汇总

数据集概述

特征信息

• audio_path: 字符串类型
• buckwalter_text: 字符串类型
• buckwalter_text_numbers: 字符串类型
• arabic_text: 字符串类型
• arabic_text_numbers: 字符串类型
• duration: 浮点数类型

数据分割

• 训练集 (train):
  • 字节数: 8564533
  • 样本数: 13588
• 验证集 (validation):
  • 字节数: 4653534
  • 样本数: 7999
• 测试集 (test):
  • 字节数: 13097054
  • 样本数: 20818

数据集大小

• 下载大小: 8765593 字节
• 数据集大小: 26315121 字节

配置信息

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*

搜集汇总

背景与挑战

背景概述

该数据集是一个阿拉伯语自动语音识别数据集，包含约4.2万条音频转录文本，以Buckwalter转写和原始阿拉伯语文本两种形式呈现，并附带音频路径和时长信息。数据集已划分为训练、验证和测试集，适用于语音识别模型的训练和评估。