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-*