sanchit-gandhi/common_voice_16_1_hi_pseudo_labelled
收藏Hugging Face2024-03-27 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/sanchit-gandhi/common_voice_16_1_hi_pseudo_labelled
下载链接
链接失效反馈官方服务：
资源简介：
这是Common Voice 16.1 Hindi数据集，使用Whisper large-v3模型进行伪标注。数据集包含音频文件及其对应的句子、Whisper转录文本等特征，并分为训练集、验证集和测试集。具体操作步骤可以参考Distil-Whisper仓库的说明。
提供机构：
sanchit-gandhi
原始信息汇总
数据集概述
数据集名称
- Common Voice 16.1 Hindi Pseudo-Labelled
数据集配置
- 配置名称: hi
数据集特征
- path: 数据类型为字符串
- audio: 数据类型为音频，采样率为16000 Hz
- sentence: 数据类型为字符串
- condition_on_prev: 数据类型为int64序列
- whisper_transcript: 数据类型为字符串
数据集分割
- train: 包含717个样本，占用634978222字节
- validation: 包含405个样本，占用359634707字节
- test: 包含575个样本，占用501454543字节
数据集大小
- 下载大小: 1400598630字节
- 数据集总大小: 1496067472.0字节
数据文件路径
- train: hi/train-*
- validation: hi/validation-*
- test: hi/test-*
