procit002/characterDataset2

该数据集包含701个样本，主要用于语音和文本分析。每个样本包含以下字段：speaker_id（说话者ID）、accent（口音）、text（文本）、gender（性别）、audio（音频）、speaker_name（说话者姓名）和normalized_text（标准化文本）。数据集分为一个训练集，总大小为12814794.0字节，下载大小为10737240字节。

This dataset contains 701 samples, primarily used for speech and text analysis. Each sample includes the following fields: speaker_id, accent, text, gender, audio, speaker_name, and normalized_text. The dataset is divided into a training set with a total size of 12814794.0 bytes and a download size of 10737240 bytes.

原始信息汇总

数据集概述

特征信息

• speaker_id: 说话者ID，数据类型为字符串。
• accent: 口音，数据类型为字符串。
• text: 文本内容，数据类型为字符串。
• gender: 性别，数据类型为字符串。
• audio: 音频文件，数据类型为音频。
• speaker_name: 说话者姓名，数据类型为字符串。
• normalized_text: 标准化文本，数据类型为字符串。

数据集划分

• train: 训练集，包含701个样本，总大小为12814794.0字节。

数据集大小

• 下载大小: 10737240字节
• 数据集总大小: 12814794.0字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*