Beijuka/zulu_parakeet_5hr

该数据集包含多个特征，包括说话者ID、年龄、性别、音频、MD5校验和、持续时间、PDP评分和转录文本。数据集分为训练集、验证集和测试集三个部分，每个部分都有相应的字节大小和示例数量。数据集的下载大小为1128749090字节，总大小为1152779383字节。

This dataset contains multiple features including speaker ID, age, gender, audio, MD5 checksum, duration, PDP score, and transcription text. The dataset is divided into three parts: train, valid, and test, each with corresponding byte sizes and number of examples. The download size of the dataset is 1128749090 bytes, and the total size is 1152779383 bytes.

原始信息汇总

数据集概述

数据集特征

• speaker_id: 说话者ID，数据类型为 int64
• age: 年龄，数据类型为 int64
• gender: 性别，数据类型为 string
• audio: 音频数据，包含采样率为 16000 的音频文件
• md5sum: 文件的MD5校验和，数据类型为 string
• duration: 音频时长，数据类型为 float64
• pdp_score: PDP评分，数据类型为 float64
• transcription: 音频转录文本，数据类型为 string

数据集划分

• train: 训练集，包含 4423 个样本，大小为 576675915.0 字节
• valid: 验证集，包含 974 个样本，大小为 115209326.0 字节
• test: 测试集，包含 2747 个样本，大小为 460894142.0 字节

数据集大小

• 下载大小: 1128749090 字节
• 数据集总大小: 1152779383.0 字节

配置信息

• config_name: default
  • data_files:
    • train: data/train-*
    • valid: data/valid-*
    • test: data/test-*