jp1924/JeollaSpeech

该数据集包含多个特征，如音频、句子、标准形式、方言形式、开始时间、结束时间、注释、eojeol列表、说话者信息和元数据。数据集分为训练集和验证集，分别包含1988867和275137个样本。数据集的下载大小为557887316021字节，总大小为581661405618.488字节。

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• audio: 音频类型，采样率为16000
• sentence: 字符串类型
• standard_form: 字符串类型
• dialect_form: 字符串类型
• start: 浮点数类型
• end: 浮点数类型
• note: 字符串类型
• eojeolList: 列表类型，包含以下字段：
  • id: 字节类型
  • eojeol: 字符串类型
  • standard: 字符串类型
  • isDialect: 布尔类型
• speaker: 结构体类型，包含以下字段：
  • id: 字符串类型
  • name: 字符串类型
  • age: 字符串类型
  • occupation: 字符串类型
  • sex: 字符串类型
  • birthplace: 字符串类型
  • principal_residence: 字符串类型
  • current_residence: 字符串类型
  • education: 字符串类型
• metadata: 结构体类型，包含以下字段：
  • title: 字符串类型
  • creator: 字符串类型
  • distributor: 字符串类型
  • year: 字符串类型
  • category: 字符串类型
  • annotation_level: 列表，字符串类型
  • sampling: 字符串类型
  • author: 字符串类型
  • publisher: 字符串类型
  • date: 字符串类型
  • topic: 字符串类型

数据集分割

• train: 包含1988867个样本，总大小为520213137698.024字节
• validation: 包含275137个样本，总大小为61448267920.464字节

数据集大小

• 下载大小: 557887316021字节
• 数据集总大小: 581661405618.488字节

数据文件配置

• default 配置:
  • train 数据文件路径: data/train-*
  • validation 数据文件路径: data/validation-*