cmu-mlsp/librispeech960-encodec1024_asr_tokenized_final

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: validation_tts
path: data/validation_tts-*
- split: test
path: data/test-*
- split: test_tts
path: data/test_tts-*
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 7058957907
num_examples: 281241
- name: validation
num_bytes: 79544090
num_examples: 5406
- name: validation_tts
num_bytes: 39772045
num_examples: 2703
- name: test
num_bytes: 39828951
num_examples: 2620
- name: test_tts
num_bytes: 39828951
num_examples: 2620
download_size: 620258987
dataset_size: 7257931944
---
# Dataset Card for "librispeech960-encodec1024_asr_tokenized_final"

[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

数据集名称

• 名称: librispeech960-encodec1024_asr_tokenized_final

数据集配置

• 默认配置: default

数据文件路径

• 训练集: data/train-*
• 验证集: data/validation-*
• 验证集（TTS）: data/validation_tts-*
• 测试集: data/test-*
• 测试集（TTS）: data/test_tts-*

数据集特征

• 输入ID: 序列类型为int32
• 注意力掩码: 序列类型为int8
• 标签: 序列类型为int64

数据集分割信息

• 训练集:
  • 字节数: 7058957907
  • 样本数: 281241
• 验证集:
  • 字节数: 79544090
  • 样本数: 5406
• 验证集（TTS）:
  • 字节数: 39772045
  • 样本数: 2703
• 测试集:
  • 字节数: 39828951
  • 样本数: 2620
• 测试集（TTS）:
  • 字节数: 39828951
  • 样本数: 2620

数据集大小

• 下载大小: 620258987 字节
• 数据集大小: 7257931944 字节