quocanh34/data_for_synthesis_with_entities_align

---
dataset_info:
features:
- name: id
dtype: string
- name: sentence
dtype: string
- name: intent
dtype: string
- name: sentence_annotation
dtype: string
- name: entities
list:
- name: type
dtype: string
- name: filler
dtype: string
- name: file
dtype: string
- name: audio
struct:
- name: array
sequence: float64
- name: path
dtype: string
- name: sampling_rate
dtype: int64
- name: origin_transcription
dtype: string
- name: sentence_norm
dtype: string
- name: w2v2_large_transcription
dtype: string
- name: wer
dtype: int64
- name: entities_norm
list:
- name: filler
dtype: string
- name: type
dtype: string
- name: entities_align
dtype: string
splits:
- name: train
num_bytes: 698110051.1801205
num_examples: 1413
download_size: 158745470
dataset_size: 698110051.1801205
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "data_for_synthesis_with_entities_align"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • id: 类型为字符串。
  • sentence: 类型为字符串。
  • intent: 类型为字符串。
  • sentence_annotation: 类型为字符串。
  • entities: 列表类型，包含以下子特征:
    • type: 类型为字符串。
    • filler: 类型为字符串。
  • file: 类型为字符串。
  • audio: 结构类型，包含以下子特征:
    • array: 序列类型，为float64。
    • path: 类型为字符串。
    • sampling_rate: 类型为int64。
  • origin_transcription: 类型为字符串。
  • sentence_norm: 类型为字符串。
  • w2v2_large_transcription: 类型为字符串。
  • wer: 类型为int64。
  • entities_norm: 列表类型，包含以下子特征:
    • filler: 类型为字符串。
    • type: 类型为字符串。
  • entities_align: 类型为字符串。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 698110051.1801205
  • 样本数: 1413

数据集大小

• 下载大小: 158745470
• 数据集大小: 698110051.1801205

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*