SyedAunZaidi/cv-corpus-15.0-ur

---
dataset_info:
features:
- name: audio
dtype: audio
- name: client_id
dtype: string
- name: path
dtype: string
- name: transcription
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accents
dtype: string
- name: variant
dtype: float64
- name: locale
dtype: string
- name: segment
dtype: float64
- name: config
dtype: string
splits:
- name: train
num_bytes: 133847746.356
num_examples: 5324
- name: test
num_bytes: 101196101.848
num_examples: 3989
- name: validation
num_bytes: 101196101.848
num_examples: 3989
download_size: 329905604
dataset_size: 336239950.052
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

数据特征

• audio: 音频数据
• client_id: 字符串类型，客户端ID
• path: 字符串类型，文件路径
• transcription: 字符串类型，转录文本
• up_votes: 整数类型，赞同票数
• down_votes: 整数类型，反对票数
• age: 字符串类型，年龄
• gender: 字符串类型，性别
• accents: 字符串类型，口音
• variant: 浮点数类型，变体
• locale: 字符串类型，地区
• segment: 浮点数类型，段落
• config: 字符串类型，配置

数据分割

• train: 训练集，包含5324个样本，大小为133847746.356字节
• test: 测试集，包含3989个样本，大小为101196101.848字节
• validation: 验证集，包含3989个样本，大小为101196101.848字节

数据大小

• 下载大小: 329905604字节
• 数据集大小: 336239950.052字节

配置

• default: 默认配置
  • train: 路径为data/train-*
  • test: 路径为data/test-*
  • validation: 路径为data/validation-*