omaryshchenko/asr_merged_pl

---
license: cc
dataset_info:
features:
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: text
dtype: string
splits:
- name: train_common_voice
num_bytes: 960957388.92
num_examples: 28954
- name: train_librispeach
num_bytes: 7117600330.255
num_examples: 25555
- name: train_fleur
num_bytes: 1888852121.4115
num_examples: 2598
- name: test_common_voice
num_bytes: 359841808.02
num_examples: 9060
- name: test_librispeach
num_bytes: 127410948.0
num_examples: 520
- name: test_fleur
num_bytes: 390515157.83113456
num_examples: 626
download_size: 10148006999
dataset_size: 10845177754.437635
configs:
- config_name: default
data_files:
- split: train_common_voice
path: data/train_common_voice-*
- split: train_librispeach
path: data/train_librispeach-*
- split: train_fleur
path: data/train_fleur-*
- split: test_common_voice
path: data/test_common_voice-*
- split: test_librispeach
path: data/test_librispeach-*
- split: test_fleur
path: data/test_fleur-*
---

原始信息汇总

数据集概述

数据集特征

• path：数据类型为字符串。
• audio：数据类型为音频，采样率为16000 Hz。
• sentence：数据类型为字符串。
• text：数据类型为字符串。

数据集分割

• train_common_voice：包含28954个样本，总大小为960957388.92字节。
• train_librispeach：包含25555个样本，总大小为7117600330.255字节。
• train_fleur：包含2598个样本，总大小为1888852121.4115字节。
• test_common_voice：包含9060个样本，总大小为359841808.02字节。
• test_librispeach：包含520个样本，总大小为127410948.0字节。
• test_fleur：包含626个样本，总大小为390515157.83113456字节。

数据集大小

• 下载大小：10148006999字节。
• 数据集总大小：10845177754.437635字节。

配置文件

• config_name：default
• data_files：
  • split：train_common_voice，路径为data/train_common_voice-*。
  • split：train_librispeach，路径为data/train_librispeach-*。
  • split：train_fleur，路径为data/train_fleur-*。
  • split：test_common_voice，路径为data/test_common_voice-*。
  • split：test_librispeach，路径为data/test_librispeach-*。
  • split：test_fleur，路径为data/test_fleur-*。