cmu-mlsp/hubert_layer9-librispeech-asr100h

---
dataset_info:
features:
- name: file
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 24000
- name: text
dtype: string
- name: speaker_id
dtype: int64
- name: chapter_id
dtype: int64
- name: id
dtype: string
- name: audio_codes
sequence: string
splits:
- name: train
num_bytes: 17519233058.625
num_examples: 28539
- name: validation
num_bytes: 938649953.125
num_examples: 2703
- name: test
num_bytes: 941348688.5
num_examples: 2620
download_size: 18862891148
dataset_size: 19399231700.25
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---
# Dataset Card for "hubert_layer9-librispeech-asr100h"

[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:

  • file: 文件名，数据类型为字符串。
  • audio: 音频数据，采样率为24000。
  • text: 文本数据，数据类型为字符串。
  • speaker_id: 说话者ID，数据类型为整数。
  • chapter_id: 章节ID，数据类型为整数。
  • id: 唯一标识符，数据类型为字符串。
  • audio_codes: 音频编码序列，数据类型为字符串序列。

• 数据分割:

  • train: 训练集，包含28539个样本，大小为17519233058.625字节。
  • validation: 验证集，包含2703个样本，大小为938649953.125字节。
  • test: 测试集，包含2620个样本，大小为941348688.5字节。

• 数据集大小:

  • 下载大小: 18862891148字节。
  • 数据集总大小: 19399231700.25字节。

配置信息

• 默认配置:
  • train: 训练集文件路径为data/train-*。
  • validation: 验证集文件路径为data/validation-*。
  • test: 测试集文件路径为data/test-*。