macabdul9/common_voice_15_0

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
- split: other
path: data/other-*
- split: invalidated
path: data/invalidated-*
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 48000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: variant
dtype: string
splits:
- name: train
num_bytes: 772120424.664
num_examples: 28406
- name: validation
num_bytes: 326586438.888
num_examples: 10362
- name: test
num_bytes: 316959428.554
num_examples: 10474
- name: other
num_bytes: 1232139588.177
num_examples: 39983
- name: invalidated
num_bytes: 495453779.996
num_examples: 15068
download_size: 2680425185
dataset_size: 3143259660.279
---
# Dataset Card for "common_voice_15_0"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default（默认配置）
数据文件：
- 拆分集：train（训练集），路径：data/train-*
- 拆分集：validation（验证集），路径：data/validation-*
- 拆分集：test（测试集），路径：data/test-*
- 拆分集：other（其他集），路径：data/other-*
- 拆分集：invalidated（无效集），路径：data/invalidated-*
数据集信息：
特征字段：
- 名称：客户端ID（client_id），数据类型：字符串
- 名称：路径（path），数据类型：字符串
- 名称：音频（audio），数据类型：
音频属性：
采样率：48000（48千赫兹）
- 名称：语句文本（sentence），数据类型：字符串
- 名称：正向投票数（up_votes），数据类型：64位整数（int64）
- 名称：负向投票数（down_votes），数据类型：64位整数
- 名称：年龄区间（age），数据类型：字符串
- 名称：性别（gender），数据类型：字符串
- 名称：口音（accent），数据类型：字符串
- 名称：语言区域（locale），数据类型：字符串
- 名称：语音片段（segment），数据类型：字符串
- 名称：变体（variant），数据类型：字符串
数据集拆分：
- 名称：train（训练集），总字节数：772120424.664，样本数量：28406
- 名称：validation（验证集），总字节数：326586438.888，样本数量：10362
- 名称：test（测试集），总字节数：316959428.554，样本数量：10474
- 名称：other（其他集），总字节数：1232139588.177，样本数量：39983
- 名称：invalidated（无效集），总字节数：495453779.996，样本数量：15068
下载总大小：2680425185 字节
数据集总大小：3143259660.279 字节
---
# 「common_voice_15_0」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 验证集：路径为 data/validation-*
  • 测试集：路径为 data/test-*
  • 其他集：路径为 data/other-*
  • 无效集：路径为 data/invalidated-*

数据集信息

• 特征：
  • client_id：字符串类型
  • path：字符串类型
  • audio：音频类型，采样率为 48000 Hz
  • sentence：字符串类型
  • up_votes：64 位整数类型
  • down_votes：64 位整数类型
  • age：字符串类型
  • gender：字符串类型
  • accent：字符串类型
  • locale：字符串类型
  • segment：字符串类型
  • variant：字符串类型

数据集分割

• 训练集：
  • 字节数：772120424.664
  • 样本数：28406
• 验证集：
  • 字节数：326586438.888
  • 样本数：10362
• 测试集：
  • 字节数：316959428.554
  • 样本数：10474
• 其他集：
  • 字节数：1232139588.177
  • 样本数：39983
• 无效集：
  • 字节数：495453779.996
  • 样本数：15068

数据集大小

• 下载大小：2680425185 字节
• 数据集大小：3143259660.279 字节