kennytat/test_dataset

---
dataset_info:
features:
- name: filename
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 48000
- name: transcript
dtype: string
- name: sample_rate
dtype: int32
- name: duration
dtype: float32
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 10575340.0
num_examples: 20
download_size: 8562282
dataset_size: 10575340.0
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

• filename: 文件名，数据类型为字符串。
• audio: 音频数据，包含采样率48000。
• transcript: 转录文本，数据类型为字符串。
• sample_rate: 采样率，数据类型为整数32位。
• duration: 持续时间，数据类型为浮点32位。
• input_ids: 输入ID序列，数据类型为整数32位。
• token_type_ids: 标记类型ID序列，数据类型为整数8位。
• attention_mask: 注意力掩码序列，数据类型为整数8位。

数据集划分

• train: 训练集，包含20个样本，占用10575340.0字节。

数据集大小

• 下载大小: 8562282字节。
• 数据集大小: 10575340.0字节。

配置

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