Nicolas-BZRD/French_Transcribed_Podcast

该数据集包含280,000个法语播客的mp3链接，转录工作正在进行中，但由于播客数量庞大，无法全部转录，因此需要社区的帮助。播客的总时长估计约为2958天（4259523分钟），但这一数值仅供参考，因为部分链接可能已失效，且并非所有播客都有标注的时长。播客链接可在法国政府的data gouv网站上找到。

原始信息汇总

法语转录播客数据集

数据集概述

该数据集包含约280,000个法语播客的MP3链接。目前正在进行使用whisper的转录工作，但由于播客数量庞大，无法转录所有内容。因此，我们依赖社区的帮助来完成这一庞大的任务。

播客的总时长估计约为2958天（4259523分钟），但这一数值仅供参考，因为某些链接可能已失效，且并非所有播客都具有标明的时长。

数据集信息

特征

• programme_id: 字符串类型
• programme_entry_date: 字符串类型
• programme_rss_link: 字符串类型
• podcast_title: 字符串类型
• podcast_date: 字符串类型
• podcast_duration: 字符串类型
• audio_podcast_link: 字符串类型

分割

• train: 包含281759个样本，总字节数为96627005

大小

• 下载大小: 28777088字节
• 数据集大小: 96627005字节

标签

• Podcast
• Audio
• Transcribed

配置

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

语言

• 法语

许可证

• 未知

任务类别

• 自动语音识别

美观名称

• Transcribed French Podcast