atmatechdev/dataset_30k_with_norm_pseudo_labelled

该数据集包含音频、句子、路径、条件序列和Whisper转录文本等特征。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5296802028字节，总大小为5384677158.56字节。

原始信息汇总

数据集概述

数据集配置

• 配置名称: id

数据特征

• 音频 (audio):
  • 数据类型: 音频
  • 采样率: 16000
• 句子 (sentence):
  • 数据类型: 字符串
• 路径 (path):
  • 数据类型: 字符串
• 基于前一条件 (condition_on_prev):
  • 数据类型: 整数序列
• Whisper转录 (whisper_transcript):
  • 数据类型: 字符串

数据集分割

• 训练集 (train):
  • 示例数量: 23952
  • 数据大小: 4304780056.048 字节
• 测试集 (test):
  • 示例数量: 5988
  • 数据大小: 1079897102.512 字节

数据集大小

• 下载大小: 5296802028 字节
• 总数据集大小: 5384677158.56 字节

数据文件路径

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