alvanlii/cantonese-youtube-transcription-diarized-max

该数据集包含音频数据及其相关标签信息。音频数据的采样率为16000Hz，其他特征包括标签1（字符串类型）、频道（字符串类型）、标题（字符串类型）和长度（int64类型）。数据集分为一个训练集，包含1,490,540个样本，总大小为185,428,634,976字节。下载大小为185,134,950,155字节。

This dataset contains audio data and related label information. The audio data has a sampling rate of 16000Hz, and other features include labels_1 (string type), channel (string type), title (string type), and length (int64 type). The dataset is divided into one training set, containing 1,490,540 samples, with a total size of 185,428,634,976 bytes. The download size is 185,134,950,155 bytes.

原始信息汇总

数据集概述

数据特征

• audio:
  • 采样率: 16000
• labels_1:
  • 数据类型: 字符串
• channel:
  • 数据类型: 字符串
• title:
  • 数据类型: 字符串
• length:
  • 数据类型: 整数 (int64)

数据分割

• train:
  • 字节数: 185428634976.0
  • 样本数: 1490540

数据集大小

• 下载大小: 185134950155
• 数据集大小: 185428634976.0

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*