cmu-mlsp/hubert_layer9-librispeech-asr100h_tokenized_final_asr

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: validation_tts
path: data/validation_tts-*
- split: test
path: data/test-*
- split: test_tts
path: data/test_tts-*
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 503610155
num_examples: 28539
- name: validation
num_bytes: 26404561
num_examples: 2703
- name: validation_tts
num_bytes: 26404561
num_examples: 2703
- name: test
num_bytes: 26173400
num_examples: 2620
- name: test_tts
num_bytes: 26173400
num_examples: 2620
download_size: 62611869
dataset_size: 608766077
---
# Dataset Card for "hubert_layer9-librispeech-asr100h_tokenized_final_asr"

[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

hubert_layer9-librispeech-asr100h_tokenized_final_asr

数据集配置

• 默认配置：default

数据文件路径

• 训练集：data/train-*
• 验证集：data/validation-*
• 验证集（TTS）：data/validation_tts-*
• 测试集：data/test-*
• 测试集（TTS）：data/test_tts-*

数据集特征

• 输入ID：input_ids（序列类型：int32）
• 注意力掩码：attention_mask（序列类型：int8）
• 标签：labels（序列类型：int64）

数据集分割

• 训练集：
  • 字节数：503610155
  • 样本数：28539
• 验证集：
  • 字节数：26404561
  • 样本数：2703
• 验证集（TTS）：
  • 字节数：26404561
  • 样本数：2703
• 测试集：
  • 字节数：26173400
  • 样本数：2620
• 测试集（TTS）：
  • 字节数：26173400
  • 样本数：2620

数据集大小

• 下载大小：62611869 字节
• 数据集大小：608766077 字节