gokulsrinivasagan/common_voice_16_1_hi_pseudo_labelled

---
dataset_info:
features:
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: condition_on_prev
sequence: int64
- name: whisper_transcript
dtype: string
splits:
- name: train
num_bytes: 631685248.0
num_examples: 714
- name: validation
num_bytes: 359421903.0
num_examples: 406
- name: test
num_bytes: 502350075.0
num_examples: 576
download_size: 1398110261
dataset_size: 1493457226.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• path：字符串类型
• audio：音频类型，采样率为16000
• sentence：字符串类型
• condition_on_prev：序列类型，整数64位
• whisper_transcript：字符串类型

数据集分割

• 训练集：包含714个样本，总大小为631685248字节
• 验证集：包含406个样本，总大小为359421903字节
• 测试集：包含576个样本，总大小为502350075字节

数据集大小

• 下载大小：1398110261字节
• 数据集总大小：1493457226字节

配置文件

• 默认配置：包含训练、验证和测试数据的路径配置
  • 训练集路径：data/train-*
  • 验证集路径：data/validation-*
  • 测试集路径：data/test-*