amuvarma/contentonly-proc-train-1m-1dups
收藏Hugging Face2024-11-26 更新2024-12-14 收录
下载链接：
https://hf-mirror.com/datasets/amuvarma/contentonly-proc-train-1m-1dups
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含四个主要特征：文本转录（transcript）、序列化的int64数据（facodec_1）、序列化的int64数据（tokenised_text）和序列化的int32数据（input_ids）。数据集分为一个训练集（train），包含1,000,000个样本，总大小为11,657,305,372字节，下载大小为3,034,608,223字节。
The dataset includes four features: transcript (string), facodec_1 (integer sequence), tokenised_text (integer sequence), and input_ids (integer sequence). The dataset is split into a training set with 1,000,000 examples, and the total size of the dataset is 11,657,305,372 bytes.
提供机构：
amuvarma
