maxseats/aihub-464-preprocessed-680GB-set-9

该数据集包含音频、转录文本、输入特征和标签等字段。数据集分为训练集、测试集和验证集，训练集包含44832个样本，测试集和验证集各包含5604个样本。数据集的下载大小为22859076547字节，总大小为65038264755字节。

The dataset includes fields such as audio, transcripts, input features, and labels. It is divided into training, test, and validation sets, with the training set containing 44,832 samples, and the test and validation sets each containing 5,604 samples. The download size of the dataset is 22,859,076,547 bytes, and the total size is 65,038,264,755 bytes.

原始信息汇总

数据集概述

数据特征

• audio: 音频数据，采样率为16000。
• transcripts: 文本数据，数据类型为字符串。
• input_features: 输入特征，数据类型为浮点数序列。
• labels: 标签，数据类型为整数序列。

数据集划分

• train: 训练集，包含44832个样本，大小为52030611804.0字节。
• test: 测试集，包含5604个样本，大小为6503826475.5字节。
• valid: 验证集，包含5604个样本，大小为6503826475.5字节。

数据集大小

• 下载大小: 22859076547字节。
• 总数据集大小: 65038264755.0字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • test: 路径为data/test-*。
    • valid: 路径为data/valid-*。