testsandrocks/gi_voices_en_only

这是simon3000/genshin-voice数据集的修剪版本，仅包含英文语音，并修复了一些名称，删除了没有转录的行。数据集包含音频、转录、说话者和索引四个特征，并且只有一个训练集分割，包含97070个样本，总大小为56707331370.0字节。

原始信息汇总

数据集概述

数据集信息

特征

• audio: 音频数据，数据类型为 audio。
• transcription: 转录文本，数据类型为 string。
• speaker: 说话者信息，数据类型为 string。
• index_level_0: 索引级别，数据类型为 int64。

数据分割

• train: 训练集，包含 97070 个样本，总大小为 56707331370.0 字节。

数据大小

• 下载大小: 55446644500 字节。
• 数据集大小: 56707331370.0 字节。

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*

数据集描述

• 该数据集是 simon3000/genshin-voice 的精简版本，仅包含英文语音，并修复了一些名称问题，移除了没有转录文本的行。