Jackyhsien/test

该数据集包含多个特征，包括用户ID、文件路径、音频数据、句子文本、点赞数、点踩数、年龄、性别、口音、地区、片段和变体。数据集分为训练集和测试集，每个集的大小和示例数量相同。数据集的总下载大小和数据集大小也被列出。

The dataset includes multiple features such as client_id, path, audio, sentence, up_votes, down_votes, age, gender, accent, locale, segment, and variant. The dataset is divided into training and test sets, with each set having the same size and number of examples. The total download size and dataset size are also listed.

原始信息汇总

数据集概述

数据集信息

特征

• client_id: 类型为字符串。
• path: 类型为字符串。
• audio: 包含音频信息，采样率为48000。
• sentence: 类型为字符串。
• up_votes: 类型为int64。
• down_votes: 类型为int64。
• age: 类型为字符串。
• gender: 类型为字符串。
• accent: 类型为字符串。
• locale: 类型为字符串。
• segment: 类型为字符串。
• variant: 类型为字符串。

数据分割

• train: 包含3467个样本，大小为2396123254.864字节。
• test: 包含3467个样本，大小为2396123254.864字节。

数据集大小

• 下载大小: 4899914208字节。
• 数据集大小: 4792246509.728字节。

配置

• config_name: default
  • 数据文件:
    • train: 路径为data/train-*。
    • test: 路径为data/test-*。