mohammadnpak/common-voice13

--- license: apache-2.0 dataset_info: features: - name: client_id dtype: string - name: audio dtype: audio: sampling_rate: 16000 - name: sentence dtype: string - name: up_votes dtype: int64 - name: down_votes dtype: int64 - name: age dtype: string - name: gender dtype: string - name: accents dtype: string - name: variant dtype: float64 - name: locale dtype: string - name: segment dtype: float64 - name: duration dtype: float64 - name: input_ids sequence: int32 - name: labels sequence: sequence: float32 - name: speaker_embeddings sequence: float32 splits: - name: train num_bytes: 5115055903.85937 num_examples: 25221 - name: test num_bytes: 568474751.1406294 num_examples: 2803 download_size: 5490351713 dataset_size: 5683530655.0 ---许可证：Apache-2.0许可证 数据集信息： 特征字段如下： - 客户端ID（client_id）：字符串类型 - 音频（audio）：数据格式包含采样率（sampling_rate）为16000Hz的音频数据 - 语句（sentence）：字符串类型 - 赞成票（up_votes）：64位整数类型 - 反对票（down_votes）：64位整数类型 - 年龄（age）：字符串类型 - 性别（gender）：字符串类型 - 口音（accents）：字符串类型 - 变体（variant）：浮点数类型 - 区域设置（locale）：字符串类型 - 片段（segment）：浮点数类型 - 时长（duration）：浮点数类型 - 输入标识符序列（input_ids）：32位整数序列 - 标签（labels）：二维浮点数序列（即序列的序列） - 说话人嵌入向量（speaker_embeddings）：浮点数序列 数据集划分： - 训练集（train）：占用字节数为5115055903.85937，包含25221个样本 - 测试集（test）：占用字节数为568474751.1406294，包含2803个样本 下载总大小：5490351713 数据集总大小：5683530655.0

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集信息

特征

• client_id: 字符串类型
• audio: 音频类型，采样率为16000
• sentence: 字符串类型
• up_votes: 64位整数类型
• down_votes: 64位整数类型
• age: 字符串类型
• gender: 字符串类型
• accents: 字符串类型
• variant: 64位浮点数类型
• locale: 字符串类型
• segment: 64位浮点数类型
• duration: 64位浮点数类型
• input_ids: 32位整数序列类型
• labels: 32位浮点数序列类型
• speaker_embeddings: 32位浮点数序列类型

数据分割

• train: 字节数为5115055903.85937，样本数为25221
• test: 字节数为568474751.1406294，样本数为2803

数据集大小

• 下载大小: 5490351713字节
• 数据集大小: 5683530655.0字节