DewiBrynJones/commonvoice_17_0_cy

---
dataset_info:
features:
- name: sentence
dtype: string
- name: language
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
splits:
- name: train
num_bytes: 309493497.0
num_examples: 7956
- name: dev
num_bytes: 211629186.0
num_examples: 5371
- name: test
num_bytes: 211691650.0
num_examples: 5378
- name: train_s99
num_bytes: 2368721108.0
num_examples: 64035
- name: dev_s99
num_bytes: 491789187.0
num_examples: 13140
- name: test_s99
num_bytes: 507444953.0
num_examples: 13189
download_size: 4041704710
dataset_size: 4100769581.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: dev
path: data/dev-*
- split: test
path: data/test-*
- split: train_s99
path: data/train_s99-*
- split: dev_s99
path: data/dev_s99-*
- split: test_s99
path: data/test_s99-*
---

原始信息汇总

数据集概述

数据集特征

• sentence：文本类型，数据类型为字符串。
• language：文本类型，数据类型为字符串。
• audio：音频数据，采样率为16000。

数据集分割

• train：包含7956个样本，总大小为309493497字节。
• dev：包含5371个样本，总大小为211629186字节。
• test：包含5378个样本，总大小为211691650字节。
• train_s99：包含64035个样本，总大小为2368721108字节。
• dev_s99：包含13140个样本，总大小为491789187字节。
• test_s99：包含13189个样本，总大小为507444953字节。

数据集大小

• 下载大小：4041704710字节。
• 数据集总大小：4100769581字节。

数据文件配置

• config_name: default
  • train：路径为data/train-*。
  • dev：路径为data/dev-*。
  • test：路径为data/test-*。
  • train_s99：路径为data/train_s99-*。
  • dev_s99：路径为data/dev_s99-*。
  • test_s99：路径为data/test_s99-*。