procit001/dutch_speaker_female_2024_v1

---
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: 71095974.21121806
num_examples: 2137
- name: validation
num_bytes: 54532774.013617136
num_examples: 1641
- name: test
num_bytes: 38123348.10488479
num_examples: 1088
- name: validated
num_bytes: 343141347.52026325
num_examples: 9873
- name: other
num_bytes: 5235481.077589318
num_examples: 164
download_size: 468061851
dataset_size: 512128924.92757255
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
- split: validated
path: data/validated-*
- split: other
path: data/other-*
---

原始信息汇总

数据集概述

特征信息

数据集包含以下特征：

• client_id: 类型为字符串。
• path: 类型为字符串。
• audio: 包含采样率为48000的音频数据。
• sentence: 类型为字符串。
• up_votes: 类型为整数（int64）。
• down_votes: 类型为整数（int64）。
• age: 类型为字符串。
• gender: 类型为字符串。
• accent: 类型为字符串。
• locale: 类型为字符串。
• segment: 类型为字符串。
• variant: 类型为字符串。

数据分割

数据集分为以下几个部分：

• train: 包含2137个样本，大小为71095974.21121806字节。
• validation: 包含1641个样本，大小为54532774.013617136字节。
• test: 包含1088个样本，大小为38123348.10488479字节。
• validated: 包含9873个样本，大小为343141347.52026325字节。
• other: 包含164个样本，大小为5235481.077589318字节。

数据大小

• 下载大小: 468061851字节。
• 数据集大小: 512128924.92757255字节。

配置信息

• default配置包含以下数据文件路径：
  • train: data/train-*
  • validation: data/validation-*
  • test: data/test-*
  • validated: data/validated-*
  • other: data/other-*