Chijioke-Mgbahurike/spot_data_sae

--- dataset_info: features: - name: audio dtype: audio: sampling_rate: 16000 - name: 'Unnamed: 0' dtype: int64 - name: transcription dtype: string - name: annotator_id dtype: float64 - name: filename dtype: string - name: num_speakers dtype: float64 - name: aave dtype: float64 - name: aave_speaker_count dtype: float64 - name: chicano_english dtype: float64 - name: ce_speaker_count dtype: float64 - name: spanglish dtype: float64 - name: spanglish_speaker_count dtype: float64 - name: sae dtype: float64 - name: sae_speaker_count dtype: float64 - name: codeswitching dtype: float64 - name: other_dialect_accent dtype: float64 - name: women dtype: float64 - name: women_speaker_count dtype: float64 - name: men dtype: float64 - name: men_speaker_count dtype: float64 - name: demographic_info_correct dtype: float64 - name: demographic_group dtype: string - name: input_values sequence: float32 - name: input_length dtype: float64 - name: labels sequence: int64 splits: - name: train num_bytes: 3460097454.921302 num_examples: 1259 download_size: 3577869887 dataset_size: 3460097454.921302 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据，采样率为16000。
• Unnamed: 0: 整数类型数据。
• transcription: 字符串类型数据。
• annotator_id: 浮点数类型数据。
• filename: 字符串类型数据。
• num_speakers: 浮点数类型数据。
• aave: 浮点数类型数据。
• aave_speaker_count: 浮点数类型数据。
• chicano_english: 浮点数类型数据。
• ce_speaker_count: 浮点数类型数据。
• spanglish: 浮点数类型数据。
• spanglish_speaker_count: 浮点数类型数据。
• sae: 浮点数类型数据。
• sae_speaker_count: 浮点数类型数据。
• codeswitching: 浮点数类型数据。
• other_dialect_accent: 浮点数类型数据。
• women: 浮点数类型数据。
• women_speaker_count: 浮点数类型数据。
• men: 浮点数类型数据。
• men_speaker_count: 浮点数类型数据。
• demographic_info_correct: 浮点数类型数据。
• demographic_group: 字符串类型数据。
• input_values: 序列数据，类型为float32。
• input_length: 浮点数类型数据。
• labels: 序列数据，类型为int64。

数据集分割

• train: 训练集，包含1259个样本，数据大小为3460097454.921302字节。

数据集大小

• 下载大小: 3577869887字节。
• 数据集实际大小: 3460097454.921302字节。