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-*