courtroom-asr-improved-chunking

该数据集包含9,161个训练样本，总大小约为2.09GB（下载大小2.55GB）。每个样本包含以下字段：音频数据（未解码的原始格式）、文本内容、说话者标识、案例名称以及置信度分数（float64类型）。数据集仅提供训练集划分，未说明具体采集背景或应用场景，但音频-文本的配对结构表明其可能适用于语音识别、说话人识别或音频标注相关任务。