Chijioke-Mgbahurike/spot_data_spanglish_men

该数据集包含音频、转录、注释者ID、文件名、说话者数量、方言和口音信息、性别信息等多个特征。数据集分为训练集，包含394个样本，总大小为1082826367.9420118字节，下载大小为911971852字节。

原始信息汇总

数据集概述

数据特征

• audio: 音频数据，采样率为16000 Hz。
• Unnamed: 0: 整数类型。
• transcription: 字符串类型，表示转录文本。
• annotator_id: 浮点数类型，表示标注者ID。
• filename: 字符串类型，表示文件名。
• num_speakers: 浮点数类型，表示说话者数量。
• aave: 浮点数类型，表示非裔美国英语使用情况。
• aave_speaker_count: 浮点数类型，表示使用非裔美国英语的说话者数量。
• chicano_english: 浮点数类型，表示奇卡诺英语使用情况。
• ce_speaker_count: 浮点数类型，表示使用奇卡诺英语的说话者数量。
• spanglish: 浮点数类型，表示西班牙英语使用情况。
• spanglish_speaker_count: 浮点数类型，表示使用西班牙英语的说话者数量。
• sae: 浮点数类型，表示标准美国英语使用情况。
• sae_speaker_count: 浮点数类型，表示使用标准美国英语的说话者数量。
• codeswitching: 浮点数类型，表示语言转换情况。
• other_dialect_accent: 浮点数类型，表示其他方言或口音。
• women: 浮点数类型，表示女性说话者情况。
• women_speaker_count: 浮点数类型，表示女性说话者数量。
• men: 浮点数类型，表示男性说话者情况。
• men_speaker_count: 浮点数类型，表示男性说话者数量。
• demographic_info_correct: 浮点数类型，表示人口统计信息是否正确。
• demographic_group: 字符串类型，表示人口统计组。
• input_values: 序列类型，浮点数类型。
• input_length: 浮点数类型，表示输入长度。
• labels: 序列类型，整数类型。

数据分割

• train: 训练集，包含394个样本，数据大小为1082826367.9420118字节。

数据集大小

• 下载大小: 911971852字节。
• 数据集大小: 1082826367.9420118字节。

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。