isabelarvelo/test_upload

该数据集包含音频数据及其相关元信息，如节目名称、剪辑ID、时间戳、说话者信息等。此外，数据集还包含对音频质量的评估（如音频质量差、延长、阻塞等）以及流畅度的评估（如流畅、自然停顿、音乐等）。数据集分为训练集、验证集、测试集和排除集，分别包含10765、4181、3806和3104个样本。

原始信息汇总

数据集概述

特征信息

• audio:
  • array: 序列类型为 float64
  • path: 数据类型为 string
  • sampling_rate: 数据类型为 int64
• Show: 数据类型为 string
• EpId: 数据类型为 string
• ClipId: 数据类型为 string
• Start: 数据类型为 string
• Stop: 数据类型为 string
• is_probably_host: 数据类型为 string
• speaker: 数据类型为 string
• clip_silhouette_score: 数据类型为 string
• SEP12k: 数据类型为 string
• SEP28k-E: 数据类型为 string
• SEP28k-T: 数据类型为 string
• SEP28k-D: 数据类型为 string
• Unsure: 数据类型为 int64
• PoorAudioQuality: 数据类型为 int64
• Prolongation: 数据类型为 int64
• Block: 数据类型为 int64
• SoundRep: 数据类型为 int64
• WordRep: 数据类型为 int64
• DifficultToUnderstand: 数据类型为 int64
• Interjection: 数据类型为 int64
• Fluent: 数据类型为 int64
• NaturalPause: 数据类型为 int64
• Music: 数据类型为 int64
• NoSpeech: 数据类型为 int64
• Stuttered: 数据类型为 int64
• Stuttered_no_Intj: 数据类型为 int64
• Fluent_no_Intj: 数据类型为 int64
• Fluent_with_Intj: 数据类型为 int64
• Stuttered_Intj: 数据类型为 int64
• Exclude: 数据类型为 int64
• Label_4: 数据类型为 string
• Label_2: 数据类型为 string
• index_level_0: 数据类型为 int64

数据分割

• train:
  • 字节数: 4137510281
  • 样本数: 10765
• validation:
  • 字节数: 1606918656
  • 样本数: 4181
• test:
  • 字节数: 1462837083
  • 样本数: 3806
• exclude:
  • 字节数: 1192241999
  • 样本数: 3104

数据集大小

• 下载大小: 1964692285 字节
• 数据集大小: 8399508019 字节

配置信息

• default:
  • train: 路径为 data/train-*
  • validation: 路径为 data/validation-*
  • test: 路径为 data/test-*
  • exclude: 路径为 data/exclude-*