yashtiwari/PaulMooney-Medical-ASR-Data

---
dataset_info:
features:
- name: id
dtype: string
- name: sentence
dtype: string
- name: prompt
dtype: string
- name: speaker_id
dtype: int64
- name: path
dtype: audio
splits:
- name: train
num_bytes: 334850167.0
num_examples: 381
- name: validation
num_bytes: 295413087.0
num_examples: 385
- name: test
num_bytes: 5300069897.705
num_examples: 5895
download_size: 9155379864
dataset_size: 5930333151.705
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 字段名：id，数据类型：字符串（string）
- 字段名：sentence，数据类型：字符串（string）
- 字段名：prompt，数据类型：字符串（string）
- 字段名：speaker_id，数据类型：int64
- 字段名：path，数据类型：音频（audio）
数据集划分：
- 划分名称：train（训练集），字节数：334850167.0，样本数量：381
- 划分名称：validation（验证集），字节数：295413087.0，样本数量：385
- 划分名称：test（测试集），字节数：5300069897.705，样本数量：5895
下载大小：9155379864
数据集总大小：5930333151.705
数据集配置：
- 配置名称：default（默认配置），数据文件：
- 划分：train，文件路径：data/train-*
- 划分：validation，文件路径：data/validation-*
- 划分：test，文件路径：data/test-*

原始信息汇总

数据集概述

特征信息

• id: 数据类型为字符串（string）
• sentence: 数据类型为字符串（string）
• prompt: 数据类型为字符串（string）
• speaker_id: 数据类型为整数（int64）
• path: 数据类型为音频（audio）

数据分割

• 训练集（train）:
  • 字节数: 334850167.0
  • 样本数: 381
• 验证集（validation）:
  • 字节数: 295413087.0
  • 样本数: 385
• 测试集（test）:
  • 字节数: 5300069897.705
  • 样本数: 5895

数据集大小

• 下载大小: 9155379864 字节
• 数据集大小: 5930333151.705 字节

配置信息

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*

搜集汇总

背景与挑战

背景概述

PaulMooney-Medical-ASR-Data是一个医疗症状描述的语音识别数据集，包含6,661条患者症状描述文本及其对应的医疗提示类别，用于训练医疗领域的ASR模型。数据集特点包括多样化的症状描述(如咳嗽、胃痛、情绪痛苦等)和明确的医疗分类标签。