mohammadnpak/common-voice13-version2

---
dataset_info:
features:
- name: client_id
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: duration
dtype: float64
- name: input_ids
sequence: int32
- name: labels
sequence:
sequence: float32
- name: speaker_embeddings
sequence: float32
splits:
- name: train
num_bytes: 1307985367.25
num_examples: 6830
- name: test
num_bytes: 152812132.0
num_examples: 787
download_size: 1448990494
dataset_size: 1460797499.25
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

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。
• audio: 包含音频数据，采样率为16000。
• sentence: 数据类型为字符串。
• duration: 数据类型为浮点数（float64）。
• input_ids: 序列类型为整数（int32）。
• labels: 序列类型为浮点数（float32）。
• speaker_embeddings: 序列类型为浮点数（float32）。

数据集分割

• train: 包含6830个样本，总字节数为1307985367.25。
• test: 包含787个样本，总字节数为152812132.0。

数据集大小

• 下载大小: 1448990494字节。
• 数据集大小: 1460797499.25字节。

配置信息

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