ittailup/common_voice_es_gender_tokenized

---
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: variant
dtype: string
- name: input_values
sequence: float32
- name: labels
dtype: int64
splits:
- name: train
num_bytes: 46255515541.0
num_examples: 85656
download_size: 45851939009
dataset_size: 46255515541.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

The dataset includes multiple features such as client ID, audio path, audio data (sampling rate of 16000), sentence content, up votes and down votes, age, gender, accent, locale, segment, variant, input values, and labels. The dataset is divided into a training set with 85656 samples, totaling 46255515541.0 bytes. The dataset configuration is named default with data file paths as data/train-*.

原始信息汇总

数据集概述

数据集特征

• client_id：数据类型为字符串。
• path：数据类型为字符串。
• audio：数据类型为音频，采样率为16000。
• sentence：数据类型为字符串。
• up_votes：数据类型为整数。
• down_votes：数据类型为整数。
• age：数据类型为字符串。
• gender：数据类型为字符串。
• accent：数据类型为字符串。
• locale：数据类型为字符串。
• segment：数据类型为字符串。
• variant：数据类型为字符串。
• input_values：数据类型为序列，具体为float32。
• labels：数据类型为整数。

数据集分割

• 训练集（train）：包含85656个样本，数据大小为46255515541.0字节。

数据集大小

• 下载大小：45851939009字节。
• 数据集总大小：46255515541.0字节。

配置

• 默认配置（default）：训练数据文件路径为data/train-*。