diarizers-community/ami_ihm_with_transcripts

该数据集包含音频数据及其相关的时间戳、说话者、文件名和转录文本。数据集分为训练集、验证集和测试集，分别包含136、18和16个样本。训练集大小为9300625286字节，验证集大小为1114513672字节，测试集大小为1044782687字节。数据集的下载大小为10258803858字节，总大小为11459921645字节。

The dataset includes multiple features such as audio, timestamps, speakers, file names, and transcripts. The audio feature has a sampling rate of 16000Hz. The dataset is divided into training, validation, and test sets, containing 136, 18, and 16 samples respectively. The total download size of the dataset is 10258803858 bytes, and the total size is 11459921645.0 bytes.

原始信息汇总

数据集概述

特征信息

• audio: 音频数据，采样率为16000。
• timestamps_start: 时间戳开始序列，数据类型为float64。
• timestamps_end: 时间戳结束序列，数据类型为float64。
• speakers: 说话者序列，数据类型为string。
• file_name: 文件名，数据类型为string。
• transcripts: 转录文本序列，数据类型为string。

数据集划分

• train: 训练集，包含136个样本，总大小为9300625286.0字节。
• validation: 验证集，包含18个样本，总大小为1114513672.0字节。
• test: 测试集，包含16个样本，总大小为1044782687.0字节。

数据集大小

• 下载大小: 10258803858字节。
• 数据集总大小: 11459921645.0字节。

配置信息

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