DewiBrynJones/commonvoice_18_0_en_cy

该数据集包含句子、语言和音频特征，音频的采样率为16000。数据集分为训练集、开发集、测试集以及特定语言的测试集（如威尔士语和英语）。每个分割的数据大小和样本数量也被详细列出。

This dataset includes features such as sentences, languages, and audio, with the audio sampled at 16000 Hz. The dataset is divided into training, development, test sets, and language-specific test sets (such as Welsh and English). The size of the data and the number of samples for each split are also detailed.

原始信息汇总

数据集概述

数据特征

• sentence: 文本类型，字符串格式。
• language: 文本类型，字符串格式。
• audio: 音频类型，采样率为16000。

数据集划分

• train: 包含128171个样本，大小为4867317509.71字节。
• dev: 包含26393个样本，大小为1059230094.106字节。
• test: 包含26419个样本，大小为1065610163.761字节。
• test_cy: 包含13209个样本，大小为508237077.0字节。
• test_en: 包含13210个样本，大小为557373139.82字节。

数据集大小

• 下载大小: 7965621359字节。
• 总大小: 8057767984.396999字节。

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • dev: data/dev-*
    • test: data/test-*
    • test_cy: data/test_cy-*
    • test_en: data/test_en-*