Chijioke-Mgbahurike/spot_data_men

该数据集包含多个特征，如音频、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、人口统计信息等。数据集分为训练集，包含725个样本，总大小为1992510448.6242604字节。

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据，采样率为16000。
• Unnamed: 0: 整数类型。
• transcription: 字符串类型。
• annotator_id: 浮点数类型。
• filename: 字符串类型。
• num_speakers: 浮点数类型。
• aave: 浮点数类型。
• aave_speaker_count: 浮点数类型。
• chicano_english: 浮点数类型。
• ce_speaker_count: 浮点数类型。
• spanglish: 浮点数类型。
• spanglish_speaker_count: 浮点数类型。
• sae: 浮点数类型。
• sae_speaker_count: 浮点数类型。
• codeswitching: 浮点数类型。
• other_dialect_accent: 浮点数类型。
• women: 浮点数类型。
• women_speaker_count: 浮点数类型。
• men: 浮点数类型。
• men_speaker_count: 浮点数类型。
• demographic_info_correct: 浮点数类型。
• demographic_group: 字符串类型。
• input_values: 序列类型，数据类型为float32。
• input_length: 浮点数类型。
• labels: 序列类型，数据类型为int64。

数据集分割

• train: 训练集，包含725个样本，总大小为1992510448.6242604字节。

数据集大小

• 下载大小: 1825702201字节。
• 数据集大小: 1992510448.6242604字节。

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*