preprocessed_VLSP_3gb

该数据集包含音频、转录文本、输入特征和标签等特征，主要用于语音识别任务。数据集分为训练集、测试集和验证集，分别包含43818、5478和5477个样本。音频文件的采样率为16000Hz，输入特征为log-Mel频谱图，标签为转录文本的token ID。数据集的创建过程涉及音频文件的处理、特征提取、标签生成等步骤，最终将处理后的数据集上传到Hugging Face Hub。