kotoba-speech/whisper-large-v3-vectorized

---
dataset_info:
- config_name: subset_0
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 1376819402768
num_examples: 895960
- name: eval
num_bytes: 768350496
num_examples: 500
download_size: 266546754703
dataset_size: 1377587753264
- config_name: subset_1
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 153669752
num_examples: 100
- name: eval
num_bytes: 153669752
num_examples: 100
download_size: 60387108
dataset_size: 307339504
- config_name: subset_2
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 153688776
num_examples: 100
- name: eval
num_bytes: 153690608
num_examples: 100
download_size: 54617428
dataset_size: 307379384
- config_name: subset_2_0
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916280864
num_examples: 122918
download_size: 36479353381
dataset_size: 188916280864
- config_name: subset_2_1
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916421616
num_examples: 122918
download_size: 36561234018
dataset_size: 188916421616
- config_name: subset_2_2
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916509408
num_examples: 122918
download_size: 36647983300
dataset_size: 188916509408
- config_name: subset_2_3
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916391392
num_examples: 122918
download_size: 36559851013
dataset_size: 188916391392
- config_name: subset_2_4
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916459512
num_examples: 122918
download_size: 36598370220
dataset_size: 188916459512
- config_name: subset_2_5
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916412768
num_examples: 122918
download_size: 36555510291
dataset_size: 188916412768
- config_name: subset_2_6
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916405840
num_examples: 122918
download_size: 36562581499
dataset_size: 188916405840
- config_name: subset_2_7
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916345080
num_examples: 122918
download_size: 36530275304
dataset_size: 188916345080
- config_name: subset_2_8
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188916326472
num_examples: 122918
download_size: 36499977708
dataset_size: 188916326472
- config_name: subset_2_9
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188927210092
num_examples: 122925
download_size: 36587569180
dataset_size: 188927210092
- config_name: subset_3_0
features:
- name: input_features
sequence:
sequence: float32
- name: input_length
dtype: int64
- name: en_labels
sequence: int64
- name: ja_labels
sequence: int64
splits:
- name: train
num_bytes: 188854906520
num_examples: 122878
download_size: 36534806072
dataset_size: 188854906520
configs:
- config_name: subset_0
data_files:
- split: train
path: subset_0/train-*
- split: eval
path: subset_0/eval-*
- config_name: subset_1
data_files:
- split: train
path: subset_1/train-*
- split: eval
path: subset_1/eval-*
- config_name: subset_2
data_files:
- split: train
path: subset_2/train-*
- split: eval
path: subset_2/eval-*
- config_name: subset_2_0
data_files:
- split: train
path: subset_2_0/train-*
- config_name: subset_2_1
data_files:
- split: train
path: subset_2_1/train-*
- config_name: subset_2_2
data_files:
- split: train
path: subset_2_2/train-*
- config_name: subset_2_3
data_files:
- split: train
path: subset_2_3/train-*
- config_name: subset_2_4
data_files:
- split: train
path: subset_2_4/train-*
- config_name: subset_2_5
data_files:
- split: train
path: subset_2_5/train-*
- config_name: subset_2_6
data_files:
- split: train
path: subset_2_6/train-*
- config_name: subset_2_7
data_files:
- split: train
path: subset_2_7/train-*
- config_name: subset_2_8
data_files:
- split: train
path: subset_2_8/train-*
- config_name: subset_2_9
data_files:
- split: train
path: subset_2_9/train-*
- config_name: subset_3_0
data_files:
- split: train
path: subset_3_0/train-*
---

数据集信息：
- 配置名称：subset_0
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：1376819402768，样本数量：895960
- 划分名称：eval（验证集），占用字节数：768350496，样本数量：500
下载文件总大小：266546754703，数据集解压总占用字节数：1377587753264
- 配置名称：subset_1
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：153669752，样本数量：100
- 划分名称：eval（验证集），占用字节数：153669752，样本数量：100
下载文件总大小：60387108，数据集解压总占用字节数：307339504
- 配置名称：subset_2
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：153688776，样本数量：100
- 划分名称：eval（验证集），占用字节数：153690608，样本数量：100
下载文件总大小：54617428，数据集解压总占用字节数：307379384
- 配置名称：subset_2_0
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916280864，样本数量：122918
下载文件总大小：36479353381，数据集解压总占用字节数：188916280864
- 配置名称：subset_2_1
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916421616，样本数量：122918
下载文件总大小：36561234018，数据集解压总占用字节数：188916421616
- 配置名称：subset_2_2
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916509408，样本数量：122918
下载文件总大小：36647983300，数据集解压总占用字节数：188916509408
- 配置名称：subset_2_3
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916391392，样本数量：122918
下载文件总大小：36559851013，数据集解压总占用字节数：188916391392
- 配置名称：subset_2_4
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916459512，样本数量：122918
下载文件总大小：36598370220，数据集解压总占用字节数：188916459512
- 配置名称：subset_2_5
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916412768，样本数量：122918
下载文件总大小：36555510291，数据集解压总占用字节数：188916412768
- 配置名称：subset_2_6
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916405840，样本数量：122918
下载文件总大小：36562581499，数据集解压总占用字节数：188916405840
- 配置名称：subset_2_7
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916345080，样本数量：122918
下载文件总大小：36530275304，数据集解压总占用字节数：188916345080
- 配置名称：subset_2_8
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188916326472，样本数量：122918
下载文件总大小：36499977708，数据集解压总占用字节数：188916326472
- 配置名称：subset_2_9
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188927210092，样本数量：122925
下载文件总大小：36587569180，数据集解压总占用字节数：188927210092
- 配置名称：subset_3_0
特征字段：
- 字段名：input_features，类型为嵌套序列（sequence），元素为32位浮点型（float32）
- 字段名：input_length，数据类型为64位整型（int64）
- 字段名：en_labels，类型为序列（sequence），元素为64位整型（int64）
- 字段名：ja_labels，类型为序列（sequence），元素为64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：188854906520，样本数量：122878
下载文件总大小：36534806072，数据集解压总占用字节数：188854906520
数据集配置：
- 配置名称：subset_0
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_0/train-*
- 数据集划分：eval（验证集），文件路径：subset_0/eval-*
- 配置名称：subset_1
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_1/train-*
- 数据集划分：eval（验证集），文件路径：subset_1/eval-*
- 配置名称：subset_2
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2/train-*
- 数据集划分：eval（验证集），文件路径：subset_2/eval-*
- 配置名称：subset_2_0
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_0/train-*
- 配置名称：subset_2_1
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_1/train-*
- 配置名称：subset_2_2
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_2/train-*
- 配置名称：subset_2_3
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_3/train-*
- 配置名称：subset_2_4
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_4/train-*
- 配置名称：subset_2_5
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_5/train-*
- 配置名称：subset_2_6
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_6/train-*
- 配置名称：subset_2_7
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_7/train-*
- 配置名称：subset_2_8
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_8/train-*
- 配置名称：subset_2_9
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_2_9/train-*
- 配置名称：subset_3_0
数据文件列表：
- 数据集划分：train（训练集），文件路径：subset_3_0/train-*