wenet/Speech-Dataset-Analyze
收藏Hugging Face2022-12-12 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/wenet/Speech-Dataset-Analyze
下载链接
链接失效反馈官方服务：
资源简介：
---
license: apache-2.0
---
# Dataset Analyze
Brief results (example):
```sh
==================
max dur: 14.531 s (wav_id: BAC009S0658W0472)
P99 dur: 8.510 s (wav_id: BAC009S0156W0340)
P75 dur: 5.326 s (wav_id: BAC009S0128W0161)
P50 dur: 4.262 s (wav_id: BAC009S0134W0187)
P25 dur: 3.494 s (wav_id: BAC009S0710W0419)
min dur: 1.230 s (wav_id: BAC009S0141W0423)
avg dur: 4.522 s
==================
max txt_length: 44.000 (wav_id: BAC009S0107W0142)
P99 txt_length: 24.000 (wav_id: BAC009S0234W0207)
P75 txt_length: 18.000 (wav_id: BAC009S0091W0334)
P50 txt_length: 14.000 (wav_id: BAC009S0125W0419)
P25 txt_length: 11.000 (wav_id: BAC009S0167W0302)
min txt_length: 1.000 (wav_id: BAC009S0094W0358)
avg txt_length: 14.406
==================
max speed: 5.496 char/s (wav_id: BAC009S0135W0430)
P99 speed: 4.360 char/s (wav_id: BAC009S0708W0486)
P75 speed: 3.520 char/s (wav_id: BAC009S0088W0358)
P50 speed: 3.204 char/s (wav_id: BAC009S0422W0164)
P25 speed: 2.894 char/s (wav_id: BAC009S0340W0436)
min speed: 0.606 char/s (wav_id: BAC009S0094W0364)
avg speed: 3.186 char/s
==================
max leading_sil: 5120.000 ms (wav_id: BAC009S0118W0473)
P99 leading_sil: 576.000 ms (wav_id: BAC009S0070W0283)
P75 leading_sil: 416.000 ms (wav_id: BAC009S0421W0428)
P50 leading_sil: 32.000 ms (wav_id: BAC009S0244W0443)
P25 leading_sil: 0.000 ms (wav_id: BAC009S0209W0423)
min leading_sil: 0.000 ms (wav_id: BAC009S0168W0257)
avg leading_sil: 166.765 ms
==================
max trailing_sil: 1486.000 ms (wav_id: BAC009S0007W0174)
P99 trailing_sil: 567.125 ms (wav_id: BAC009S0122W0365)
P75 trailing_sil: 270.062 ms (wav_id: BAC009S0363W0374)
P50 trailing_sil: 0.000 ms (wav_id: BAC009S0196W0457)
P25 trailing_sil: 0.000 ms (wav_id: BAC009S0038W0148)
min trailing_sil: 0.000 ms (wav_id: BAC009S0168W0257)
avg trailing_sil: 128.904 ms
```
Detailed results (example):
```sh
{"txt": "娱乐频道", "wav": "None", "sample_rate": 16000, "key": "BAC009S0141W0423", "dur": 1.23, "txt_length": 4, "speed": 3.252032520325203, "leading_sil": 128.0, "trailing_sil": 174.0}
{"txt": "适用税率", "wav": "None", "sample_rate": 16000, "key": "BAC009S0124W0224", "dur": 1.3050625, "txt_length": 4, "speed": 3.0649873090369235, "leading_sil": 0, "trailing_sil": 0}
{"txt": "一", "wav": "None", "sample_rate": 16000, "key": "BAC009S0094W0358", "dur": 1.3420625, "txt_length": 1, "speed": 0.7451217808410563, "leading_sil": 416.0, "trailing_sil": 318.0625}
{"txt": "周群", "wav": "None", "sample_rate": 16000, "key": "BAC009S0002W0272", "dur": 1.344, "txt_length": 2, "speed": 1.488095238095238, "leading_sil": 0, "trailing_sil": 0}
{"txt": "你有苹果吗", "wav": "None", "sample_rate": 16000, "key": "BAC009S0144W0217", "dur": 1.3470625, "txt_length": 5, "speed": 3.7117802626084533, "leading_sil": 64.0, "trailing_sil": 0}
{"txt": "虽然只是背影", "wav": "None", "sample_rate": 16000, "key": "BAC009S0128W0418", "dur": 1.357875, "txt_length": 6, "speed": 4.418668876001105, "leading_sil": 32.0, "trailing_sil": 0}
{"txt": "六", "wav": "None", "sample_rate": 16000, "key": "BAC009S0094W0363", "dur": 1.3610625, "txt_length": 1, "speed": 0.7347201175552188, "leading_sil": 416.0, "trailing_sil": 465.0625}
{"txt": "八", "wav": "None", "sample_rate": 16000, "key": "BAC009S0094W0365", "dur": 1.396, "txt_length": 1, "speed": 0.7163323782234957, "leading_sil": 480.0, "trailing_sil": 436.0}
{"txt": "六十万人", "wav": "None", "sample_rate": 16000, "key": "BAC009S0004W0433", "dur": 1.4029375, "txt_length": 4, "speed": 2.851160511426917, "leading_sil": 160.0, "trailing_sil": 154.9375}
{"txt": "博士", "wav": "None", "sample_rate": 16000, "key": "BAC009S0002W0302", "dur": 1.4749375, "txt_length": 2, "speed": 1.3559896605788382, "leading_sil": 0, "trailing_sil": 0}
```
提供机构：
wenet
原始信息汇总
数据集概述
数据集统计信息
-
持续时间（dur）:
- 最大值: 14.531秒 (wav_id: BAC009S0658W0472)
- P99: 8.510秒 (wav_id: BAC009S0156W0340)
- P75: 5.326秒 (wav_id: BAC009S0128W0161)
- P50: 4.262秒 (wav_id: BAC009S0134W0187)
- P25: 3.494秒 (wav_id: BAC009S0710W0419)
- 最小值: 1.230秒 (wav_id: BAC009S0141W0423)
- 平均值: 4.522秒
-
文本长度（txt_length）:
- 最大值: 44.000 (wav_id: BAC009S0107W0142)
- P99: 24.000 (wav_id: BAC009S0234W0207)
- P75: 18.000 (wav_id: BAC009S0091W0334)
- P50: 14.000 (wav_id: BAC009S0125W0419)
- P25: 11.000 (wav_id: BAC009S0167W0302)
- 最小值: 1.000 (wav_id: BAC009S0094W0358)
- 平均值: 14.406
-
语速（speed）:
- 最大值: 5.496字符/秒 (wav_id: BAC009S0135W0430)
- P99: 4.360字符/秒 (wav_id: BAC009S0708W0486)
- P75: 3.520字符/秒 (wav_id: BAC009S0088W0358)
- P50: 3.204字符/秒 (wav_id: BAC009S0422W0164)
- P25: 2.894字符/秒 (wav_id: BAC009S0340W0436)
- 最小值: 0.606字符/秒 (wav_id: BAC009S0094W0364)
- 平均值: 3.186字符/秒
-
前静音（leading_sil）:
- 最大值: 5120.000毫秒 (wav_id: BAC009S0118W0473)
- P99: 576.000毫秒 (wav_id: BAC009S0070W0283)
- P75: 416.000毫秒 (wav_id: BAC009S0421W0428)
- P50: 32.000毫秒 (wav_id: BAC009S0244W0443)
- P25: 0.000毫秒 (wav_id: BAC009S0209W0423)
- 最小值: 0.000毫秒 (wav_id: BAC009S0168W0257)
- 平均值: 166.765毫秒
-
后静音（trailing_sil）:
- 最大值: 1486.000毫秒 (wav_id: BAC009S0007W0174)
- P99: 567.125毫秒 (wav_id: BAC009S0122W0365)
- P75: 270.062毫秒 (wav_id: BAC009S0363W0374)
- P50: 0.000毫秒 (wav_id: BAC009S0196W0457)
- P25: 0.000毫秒 (wav_id: BAC009S0038W0148)
- 最小值: 0.000毫秒 (wav_id: BAC009S0168W0257)
- 平均值: 128.904毫秒
数据集详细示例
-
示例1:
- 文本: "娱乐频道"
- 持续时间: 1.23秒
- 文本长度: 4
- 语速: 3.252字符/秒
- 前静音: 128.0毫秒
- 后静音: 174.0毫秒
-
示例2:
- 文本: "适用税率"
- 持续时间: 1.3050625秒
- 文本长度: 4
- 语速: 3.0649873090369235字符/秒
- 前静音: 0毫秒
- 后静音: 0毫秒
-
示例3:
- 文本: "一"
- 持续时间: 1.3420625秒
- 文本长度: 1
- 语速: 0.7451217808410563字符/秒
- 前静音: 416.0毫秒
- 后静音: 318.0625毫秒
-
示例4:
- 文本: "周群"
- 持续时间: 1.344秒
- 文本长度: 2
- 语速: 1.488095238095238字符/秒
- 前静音: 0毫秒
- 后静音: 0毫秒
-
示例5:
- 文本: "你有苹果吗"
- 持续时间: 1.3470625秒
- 文本长度: 5
- 语速: 3.7117802626084533字符/秒
- 前静音: 64.0毫秒
- 后静音: 0毫秒
-
示例6:
- 文本: "虽然只是背影"
- 持续时间: 1.357875秒
- 文本长度: 6
- 语速: 4.418668876001105字符/秒
- 前静音: 32.0毫秒
- 后静音: 0毫秒
-
示例7:
- 文本: "六"
- 持续时间: 1.3610625秒
- 文本长度: 1
- 语速: 0.7347201175552188字符/秒
- 前静音: 416.0毫秒
- 后静音: 465.0625毫秒
-
示例8:
- 文本: "八"
- 持续时间: 1.396秒
- 文本长度: 1
- 语速: 0.7163323782234957字符/秒
- 前静音: 480.0毫秒
- 后静音: 436.0毫秒
-
示例9:
- 文本: "六十万人"
- 持续时间: 1.4029375秒
- 文本长度: 4
- 语速: 2.851160511426917字符/秒
- 前静音: 160.0毫秒
- 后静音: 154.9375毫秒
-
示例10:
- 文本: "博士"
- 持续时间: 1.4749375秒
- 文本长度: 2
- 语速: 1.3559896605788382字符/秒
- 前静音: 0毫秒
- 后静音: 0毫秒
