maxseats/aihub-464-preprocessed-680GB-set-1
收藏Hugging Face2024-06-14 更新2024-06-29 收录
下载链接：
https://hf-mirror.com/datasets/maxseats/aihub-464-preprocessed-680GB-set-1
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含音频文件和对应的转录文本，音频文件的采样率为16000Hz，转录文本为字符串类型。数据集被分为训练集、测试集和验证集，分别包含41688、5212和5211个样本。数据集的构建过程涉及音频文件的处理、文本的预处理、特征提取（如log-Mel spectrogram）以及标签的生成。最终，数据集被上传到HuggingFace Hub。
该数据集包含音频文件和对应的转录文本，音频文件的采样率为16000Hz，转录文本为字符串类型。数据集被分为训练集、测试集和验证集，分别包含41688、5212和5211个样本。数据集的构建过程涉及音频文件的处理、文本的预处理、特征提取（如log-Mel spectrogram）以及标签的生成。最终，数据集被上传到HuggingFace Hub。
提供机构：
maxseats
原始信息汇总
数据集概述
数据集信息
特征
- audio: 音频数据，采样率为16000Hz。
- transcripts: 文本数据，数据类型为字符串。
- input_features: 输入特征，序列类型为float32。
- labels: 标签，序列类型为int64。
数据分割
- train: 训练集，包含41688个样本，大小为48448179624.57247字节。
- test: 测试集，包含5212个样本，大小为6057184614.355971字节。
- valid: 验证集，包含5211个样本，大小为6056022453.071559字节。
数据集大小
- 下载大小: 21728147847字节。
- 数据集总大小: 60561386692.0字节。
配置
- config_name: default
- data_files:
- train: data/train-*
- test: data/test-*
- valid: data/valid-*
- data_files:
