anyspeech/fleurs_test

--- configs: - config_name: default data_files: - split: query path: data/query-* - split: candidate path: data/candidate-* dataset_info: features: - name: _id dtype: int64 - name: file_name dtype: string - name: raw_transcription dtype: string - name: transcription dtype: string - name: num_samples dtype: int64 - name: gender dtype: string - name: phones dtype: string - name: audio struct: - name: array sequence: float64 - name: sampling_rate dtype: int64 splits: - name: query num_bytes: 1843536302 num_examples: 1132 - name: candidate num_bytes: 3243527476 num_examples: 1979 download_size: 3137163451 dataset_size: 5087063778 --- # Dataset Card for "fleurs_test" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 配置项： - 配置名称：default 数据文件： - 划分集：query（查询集），路径：data/query-* - 划分集：candidate（候选集），路径：data/candidate-* 数据集信息： 特征字段： - 字段名：_id，数据类型：64位整数（int64） - 字段名：file_name，数据类型：字符串（string） - 字段名：raw_transcription，数据类型：字符串（string） - 字段名：transcription，数据类型：字符串（string） - 字段名：num_samples，数据类型：64位整数（int64） - 字段名：gender，数据类型：字符串（string） - 字段名：phones，数据类型：字符串（string） - 字段名：audio，结构体： - 字段名：array，序列类型：64位浮点数（float64） - 字段名：sampling_rate（采样率），数据类型：64位整数（int64） 划分集详情： - 划分名称：query（查询集），字节占用量：1843536302，样本数：1132 - 划分名称：candidate（候选集），字节占用量：3243527476，样本数：1979 下载总大小：3137163451 数据集总大小：5087063778 --- # 「fleurs_test」数据集卡片 [需补充更多信息](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

配置

• 默认配置：
  • 数据文件：
    • 查询集：路径为 data/query-*
    • 候选集：路径为 data/candidate-*

数据特征

• _id：类型为 int64
• file_name：类型为 string
• raw_transcription：类型为 string
• transcription：类型为 string
• num_samples：类型为 int64
• gender：类型为 string
• phones：类型为 string
• audio：结构包含以下字段：
  • array：序列类型为 float64
  • sampling_rate：类型为 int64

数据分割

• 查询集：
  • 字节数：1843536302
  • 样本数：1132
• 候选集：
  • 字节数：3243527476
  • 样本数：1979

数据大小

• 下载大小：3137163451 字节
• 数据集大小：5087063778 字节

搜集汇总

背景与挑战

背景概述

该数据集名为anyspeech/fleurs_test，包含查询和候选两个分割，分别有1132和1979个样本。数据集提供了音频文件、转录文本、性别等特征信息，总大小约为5.09GB。