thinkKenya/kenyan_audio_datasets

--- dataset_info: - config_name: Kalenjin features: - name: audio dtype: audio - name: text dtype: string - name: speaker_id dtype: int64 - name: original_language dtype: string - name: language dtype: string - name: gender dtype: string - name: dialect dtype: string - name: county dtype: string - name: constituency dtype: string - name: education_level dtype: string - name: employment_state dtype: string - name: sample_rate dtype: int64 - name: duration dtype: float64 - name: rms_level_db dtype: float64 - name: peak_level_db dtype: float64 - name: dc_offset dtype: float64 - name: rms_amplitude dtype: float64 - name: peak_amplitude dtype: float64 - name: num_samples dtype: int64 splits: - name: train num_bytes: 28481083567.42 num_examples: 54645 - name: test num_bytes: 9600807760.69 num_examples: 18215 download_size: 35171021568 dataset_size: 38081891328.11 - config_name: Kikuyu features: - name: audio dtype: audio - name: text dtype: string - name: speaker_id dtype: int64 - name: original_language dtype: string - name: language dtype: string - name: gender dtype: string - name: dialect dtype: string - name: county dtype: string - name: constituency dtype: string - name: education_level dtype: string - name: employment_state dtype: string - name: sample_rate dtype: int64 - name: duration dtype: float64 - name: rms_level_db dtype: float64 - name: peak_level_db dtype: float64 - name: dc_offset dtype: float64 - name: rms_amplitude dtype: float64 - name: peak_amplitude dtype: float64 - name: num_samples dtype: int64 splits: - name: train num_bytes: 44190236815.28 num_examples: 98206 - name: test num_bytes: 14282277094.848 num_examples: 32736 download_size: 54199752816 dataset_size: 58472513910.128 - config_name: MAXA_TIRI features: - name: audio dtype: audio - name: text dtype: string - name: speaker_id dtype: int64 - name: original_language dtype: string - name: language dtype: string - name: gender dtype: string - name: dialect dtype: string - name: county dtype: string - name: constituency dtype: string - name: education_level dtype: string - name: employment_state dtype: string - name: sample_rate dtype: int64 - name: duration dtype: float64 - name: rms_level_db dtype: float64 - name: peak_level_db dtype: float64 - name: dc_offset dtype: float64 - name: rms_amplitude dtype: float64 - name: peak_amplitude dtype: float64 - name: num_samples dtype: int64 splits: - name: train num_bytes: 4565884.0 num_examples: 6 - name: test num_bytes: 903383.0 num_examples: 1 download_size: 5321983 dataset_size: 5469267.0 - config_name: Nandi features: - name: audio dtype: audio - name: text dtype: string - name: speaker_id dtype: int64 - name: original_language dtype: string - name: language dtype: string - name: gender dtype: string - name: dialect dtype: string - name: county dtype: string - name: constituency dtype: string - name: education_level dtype: string - name: employment_state dtype: string - name: sample_rate dtype: int64 - name: duration dtype: float64 - name: rms_level_db dtype: float64 - name: peak_level_db dtype: float64 - name: dc_offset dtype: float64 - name: rms_amplitude dtype: float64 - name: peak_amplitude dtype: float64 - name: num_samples dtype: int64 splits: - name: train num_bytes: 353075.0 num_examples: 1 - name: test num_bytes: 353023.0 num_examples: 1 download_size: 652152 dataset_size: 706098.0 configs: - config_name: Kalenjin data_files: - split: train path: Kalenjin/train-* - split: test path: Kalenjin/test-* - config_name: Kikuyu data_files: - split: train path: Kikuyu/train-* - split: test path: Kikuyu/test-* - config_name: MAXA_TIRI data_files: - split: train path: MAXA_TIRI/train-* - split: test path: MAXA_TIRI/test-* - config_name: Nandi data_files: - split: train path: Nandi/train-* - split: test path: Nandi/test-* ---数据集信息： - 配置名称：卡伦金语（Kalenjin） 特征： - 名称：音频（audio），数据类型：音频 - 名称：文本（text），数据类型：字符串（string） - 名称：说话人ID（speaker_id），数据类型：64位整数（int64） - 名称：原始语言（original_language），数据类型：字符串（string） - 名称：语言（language），数据类型：字符串（string） - 名称：性别（gender），数据类型：字符串（string） - 名称：方言（dialect），数据类型：字符串（string） - 名称：郡（county），数据类型：字符串（string） - 名称：选区（constituency），数据类型：字符串（string） - 名称：受教育水平（education_level），数据类型：字符串（string） - 名称：就业状态（employment_state），数据类型：字符串（string） - 名称：采样率（sample_rate），数据类型：64位整数（int64） - 名称：时长（duration），数据类型：64位浮点数（float64） - 名称：均方根电平分贝（rms_level_db），数据类型：64位浮点数（float64） - 名称：峰值电平分贝（peak_level_db），数据类型：64位浮点数（float64） - 名称：直流偏移（dc_offset），数据类型：64位浮点数（float64） - 名称：均方根振幅（rms_amplitude），数据类型：64位浮点数（float64） - 名称：峰值振幅（peak_amplitude），数据类型：64位浮点数（float64） - 名称：采样点数（num_samples），数据类型：64位整数（int64） 数据集划分： - 名称：训练集（train），字节数：28481083567.42，样本数量：54645 - 名称：测试集（test），字节数：9600807760.69，样本数量：18215 下载大小：35171021568 数据集总大小：38081891328.11 - 配置名称：基库尤语（Kikuyu） 特征： - 名称：音频（audio），数据类型：音频 - 名称：文本（text），数据类型：字符串（string） - 名称：说话人ID（speaker_id），数据类型：64位整数（int64） - 名称：原始语言（original_language），数据类型：字符串（string） - 名称：语言（language），数据类型：字符串（string） - 名称：性别（gender），数据类型：字符串（string） - 名称：方言（dialect），数据类型：字符串（string） - 名称：郡（county），数据类型：字符串（string） - 名称：选区（constituency），数据类型：字符串（string） - 名称：受教育水平（education_level），数据类型：字符串（string） - 名称：就业状态（employment_state），数据类型：字符串（string） - 名称：采样率（sample_rate），数据类型：64位整数（int64） - 名称：时长（duration），数据类型：64位浮点数（float64） - 名称：均方根电平分贝（rms_level_db），数据类型：64位浮点数（float64） - 名称：峰值电平分贝（peak_level_db），数据类型：64位浮点数（float64） - 名称：直流偏移（dc_offset），数据类型：64位浮点数（float64） - 名称：均方根振幅（rms_amplitude），数据类型：64位浮点数（float64） - 名称：峰值振幅（peak_amplitude），数据类型：64位浮点数（float64） - 名称：采样点数（num_samples），数据类型：64位整数（int64） 数据集划分： - 名称：训练集（train），字节数：44190236815.28，样本数量：98206 - 名称：测试集（test），字节数：14282277094.848，样本数量：32736 下载大小：54199752816 数据集总大小：58472513910.128 - 配置名称：MAXA_TIRI 特征： - 名称：音频（audio），数据类型：音频 - 名称：文本（text），数据类型：字符串（string） - 名称：说话人ID（speaker_id），数据类型：64位整数（int64） - 名称：原始语言（original_language），数据类型：字符串（string） - 名称：语言（language），数据类型：字符串（string） - 名称：性别（gender），数据类型：字符串（string） - 名称：方言（dialect），数据类型：字符串（string） - 名称：郡（county），数据类型：字符串（string） - 名称：选区（constituency），数据类型：字符串（string） - 名称：受教育水平（education_level），数据类型：字符串（string） - 名称：就业状态（employment_state），数据类型：字符串（string） - 名称：采样率（sample_rate），数据类型：64位整数（int64） - 名称：时长（duration），数据类型：64位浮点数（float64） - 名称：均方根电平分贝（rms_level_db），数据类型：64位浮点数（float64） - 名称：峰值电平分贝（peak_level_db），数据类型：64位浮点数（float64） - 名称：直流偏移（dc_offset），数据类型：64位浮点数（float64） - 名称：均方根振幅（rms_amplitude），数据类型：64位浮点数（float64） - 名称：峰值振幅（peak_amplitude），数据类型：64位浮点数（float64） - 名称：采样点数（num_samples），数据类型：64位整数（int64） 数据集划分： - 名称：训练集（train），字节数：4565884.0，样本数量：6 - 名称：测试集（test），字节数：903383.0，样本数量：1 下载大小：5321983 数据集总大小：5469267.0 - 配置名称：南迪语（Nandi） 特征： - 名称：音频（audio），数据类型：音频 - 名称：文本（text），数据类型：字符串（string） - 名称：说话人ID（speaker_id），数据类型：64位整数（int64） - 名称：原始语言（original_language），数据类型：字符串（string） - 名称：语言（language），数据类型：字符串（string） - 名称：性别（gender），数据类型：字符串（string） - 名称：方言（dialect），数据类型：字符串（string） - 名称：郡（county），数据类型：字符串（string） - 名称：选区（constituency），数据类型：字符串（string） - 名称：受教育水平（education_level），数据类型：字符串（string） - 名称：就业状态（employment_state），数据类型：字符串（string） - 名称：采样率（sample_rate），数据类型：64位整数（int64） - 名称：时长（duration），数据类型：64位浮点数（float64） - 名称：均方根电平分贝（rms_level_db），数据类型：64位浮点数（float64） - 名称：峰值电平分贝（peak_level_db），数据类型：64位浮点数（float64） - 名称：直流偏移（dc_offset），数据类型：64位浮点数（float64） - 名称：均方根振幅（rms_amplitude），数据类型：64位浮点数（float64） - 名称：峰值振幅（peak_amplitude），数据类型：64位浮点数（float64） - 名称：采样点数（num_samples），数据类型：64位整数（int64） 数据集划分： - 名称：训练集（train），字节数：353075.0，样本数量：1 - 名称：测试集（test），字节数：353023.0，样本数量：1 下载大小：652152 数据集总大小：706098.0 配置项： - 配置名称：卡伦金语（Kalenjin），数据文件： - 划分：训练集（train），路径：Kalenjin/train-* - 划分：测试集（test），路径：Kalenjin/test-* - 配置名称：基库尤语（Kikuyu），数据文件： - 划分：训练集（train），路径：Kikuyu/train-* - 划分：测试集（test），路径：Kikuyu/test-* - 配置名称：MAXA_TIRI，数据文件： - 划分：训练集（train），路径：MAXA_TIRI/train-* - 划分：测试集（test），路径：MAXA_TIRI/test-* - 配置名称：南迪语（Nandi），数据文件： - 划分：训练集（train），路径：Nandi/train-* - 划分：测试集（test），路径：Nandi/test-*