Rounak28/valid-split-bengaliAI-whisper-medium

该数据集包含训练集和验证集，每个样本包含id、sentence、input_features和labels四个特征。训练集数据是已经在common-voice中存在的数据，而验证集数据是bengaliAI中标记为有效的数据。训练集包含28166个样本，验证集包含1422个样本。

原始信息汇总

数据集概述

配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 验证集：路径为 data/valid-*

数据集信息

• 特征：

  • id：类型为 string
  • sentence：类型为 string
  • input_features：序列类型为 float32
  • labels：序列类型为 int64

• 拆分：

  • 训练集：
    • 字节数：27082860963
    • 样本数：28166
  • 验证集：
    • 字节数：1366910844
    • 样本数：1422

• 下载大小：5423155032 字节

• 数据集大小：28449771807 字节