CognitiveLab/FS_test

该数据集包含多个字段，如作者、持续时间、描述、转录文本、音频路径、链接、标题和观看次数。转录文本部分详细描述了元数据和结果，包括通道、创建时间、持续时间、模型信息、请求ID、SHA256、摘要信息、事务键、警告、结果、摘要和话语等。数据集分为训练集，包含522个样本，总大小为62271386字节，下载大小为22172106字节。

原始信息汇总

数据集信息

特征

• author: 类型为字符串。
• duration: 类型为整数。
• description: 类型为字符串。
• transcript: 包含以下结构：
  • metadata: 包含以下结构：
    • channels: 类型为整数。
    • created: 类型为字符串。
    • duration: 类型为浮点数。
    • model_info: 包含以下结构：
      • 30089e05-99d1-4376-b32e-c263170674af: 包含以下结构：
        • arch: 类型为字符串。
        • name: 类型为字符串。
        • version: 类型为字符串。
    • models: 类型为字符串序列。
    • request_id: 类型为字符串。
    • sha256: 类型为字符串。
    • summary_info: 包含以下结构：
      • input_tokens: 类型为整数。
      • model_uuid: 类型为字符串。
      • output_tokens: 类型为整数。
    • transaction_key: 类型为字符串。
    • warnings: 类型为空。
  • results: 包含以下结构：
    • channels: 包含以下列表：
      • alternatives: 包含以下列表：
        • confidence: 类型为浮点数。
        • entities: 类型为空。
        • paragraphs: 包含以下结构：
          • paragraphs: 包含以下列表：
            • end: 类型为浮点数。
            • num_words: 类型为浮点数。
            • sentences: 包含以下列表：
              • end: 类型为浮点数。
              • start: 类型为浮点数。
              • text: 类型为字符串。
            • speaker: 类型为整数。
            • start: 类型为浮点数。
          • transcript: 类型为字符串。
        • summaries: 类型为空。
        • topics: 包含以下列表：
          • end_word: 类型为浮点数。
          • start_word: 类型为浮点数。
          • text: 类型为字符串。
          • topics: 包含以下列表：
            • confidence: 类型为浮点数。
            • topic: 类型为字符串。
        • transcript: 类型为字符串。
        • translations: 类型为空。
        • words: 包含以下列表：
          • confidence: 类型为浮点数。
          • end: 类型为浮点数。
          • punctuated_word: 类型为字符串。
          • speaker: 类型为整数。
          • speaker_confidence: 类型为浮点数。
          • start: 类型为浮点数。
          • word: 类型为字符串。
      • detected_language: 类型为字符串。
      • language_confidence: 类型为浮点数。
      • search: 类型为空。
    • summary: 包含以下结构：
      • result: 类型为字符串。
      • short: 类型为字符串。
    • utterances: 类型为空。
• audio_path: 类型为字符串。
• link: 类型为字符串。
• title: 类型为字符串。
• views: 类型为整数。

数据分割

• train: 包含522个样本，占用62271386字节。

数据集大小

• 下载大小: 22172106字节。
• 数据集大小: 62271386字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。