atmatechdev/dataset_30k_with_norm_pseudo_labelled_medium

该数据集包含音频、句子、路径、条件序列和Whisper转录等特征。数据集分为训练集和测试集，训练集包含23952个样本，测试集包含5988个样本。音频的采样率为16000Hz。数据集的下载大小为5296607312字节，数据集总大小为5384699800.56字节。

原始信息汇总

数据集概述

数据集配置名称

• 配置名称: id

数据集特征

• 音频
  • 名称: audio
  • 数据类型:
    • 采样率: 16000
• 句子
  • 名称: sentence
  • 数据类型: string
• 路径
  • 名称: path
  • 数据类型: string
• 前一条件依赖
  • 名称: condition_on_prev
  • 数据类型: int64
• Whisper转录文本
  • 名称: whisper_transcript
  • 数据类型: string

数据集分割

• 训练集
  • 示例数量: 23952
  • 数据大小: 4304778614.048字节
• 测试集
  • 示例数量: 5988
  • 数据大小: 1079921186.512字节

数据集大小

• 下载大小: 5296607312字节
• 总数据集大小: 5384699800.56字节

数据文件路径

• 训练集路径: id/train-*
• 测试集路径: id/test-*