AI4LT/Khinalug_ASR

---
license: apache-2.0
dataset_info:
features:
- name: transcript
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: speaker_id
dtype: int64
splits:
- name: train
num_bytes: 293645511.625
num_examples: 1107
- name: test
num_bytes: 31366275.0
num_examples: 123
download_size: 324107242
dataset_size: 325011786.625
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• transcript：文本类型，用于记录语音转录文本。
• audio：音频类型，采样率为16000 Hz。
• speaker_id：整数类型，用于标识说话者。

数据集划分

• 训练集（train）：包含1107个样本，总大小为293645511.625字节。
• 测试集（test）：包含123个样本，总大小为31366275.0字节。

数据集大小

• 下载大小：324107242字节。
• 数据集总大小：325011786.625字节。

数据文件配置

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