macabdul9/librispeech-hubert-discrete-tokens

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: file
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: text
dtype: string
- name: speaker_id
dtype: int64
- name: chapter_id
dtype: int64
- name: id
dtype: string
- name: hubert_discrete_tokens
sequence: int32
splits:
- name: train
num_bytes: 6694410453.062
num_examples: 28539
- name: test
num_bytes: 371808678.42
num_examples: 2620
- name: validation
num_bytes: 363669998.966
num_examples: 2703
download_size: 7143192492
dataset_size: 7429889130.448
---
# Dataset Card for "librispeech-hubert-discrete-tokens"

[More Information needed](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

数据集名称

• 名称: librispeech-hubert-discrete-tokens

数据集配置

• 默认配置: default

数据文件

• 训练集:
  • 路径: data/train-*
  • 样本数量: 28539
  • 字节数: 6694410453.062
• 测试集:
  • 路径: data/test-*
  • 样本数量: 2620
  • 字节数: 371808678.42
• 验证集:
  • 路径: data/validation-*
  • 样本数量: 2703
  • 字节数: 363669998.966

数据集特征

• 特征列表:
  • file: 文件路径，类型为字符串
  • audio: 音频数据，采样率为16000
  • text: 文本内容，类型为字符串
  • speaker_id: 说话者ID，类型为整数64位
  • chapter_id: 章节ID，类型为整数64位
  • id: 样本ID，类型为字符串
  • hubert_discrete_tokens: 序列化数据，类型为整数32位

数据集大小

• 下载大小: 7143192492字节
• 数据集大小: 7429889130.448字节