babs/language_classification

该数据集包含多个特征，包括客户端ID、路径、音频数据、句子、年龄、性别和语言等。音频数据的采样率为48000。语言特征是一个分类标签，涵盖了从阿拉伯语到威尔士语的多种语言。数据集分为训练集、验证集和测试集，分别包含22194、5888和5963个示例，总下载大小为4661574412字节，数据集总大小为4989805421.245字节。

This dataset includes multiple features such as client ID, path, audio data, sentence, age, gender, and language. The audio data has a sampling rate of 48000. The language feature is a class label covering multiple languages from Arabic to Welsh. The dataset is divided into training, validation, and test sets, containing 22194, 5888, and 5963 examples respectively, with a total download size of 4661574412 bytes and a total dataset size of 4989805421.245 bytes.

原始信息汇总

数据集概述

特征信息

• client_id: 数据类型为字符串。
• path: 数据类型为字符串。
• audio: 包含音频信息，采样率为48000。
• sentence: 数据类型为字符串。
• age: 数据类型为字符串。
• gender: 数据类型为字符串。
• language: 数据类型为分类标签，包含以下语言类别：
  • 0: Arabic
  • 1: Basque
  • 2: Breton
  • 3: Catalan
  • 4: Chinese_China
  • 5: Chinese_Hongkong
  • 6: Chinese_Taiwan
  • 7: Chuvash
  • 8: Czech
  • 9: Dhivehi
  • 10: Dutch
  • 11: English
  • 12: Esperanto
  • 13: Estonian
  • 14: French
  • 15: Frisian
  • 16: Georgian
  • 17: German
  • 18: Greek
  • 19: Hakha_Chin
  • 20: Indonesian
  • 21: Interlingua
  • 22: Italian
  • 23: Japanese
  • 24: Kabyle
  • 25: Kinyarwanda
  • 26: Kyrgyz
  • 27: Latvian
  • 28: Maltese
  • 29: Mangolian
  • 30: Persian
  • 31: Polish
  • 32: Portuguese
  • 33: Romanian
  • 34: Romansh_Sursilvan
  • 35: Russian
  • 36: Sakha
  • 37: Slovenian
  • 38: Spanish
  • 39: Swedish
  • 40: Tamil
  • 41: Tatar
  • 42: Turkish
  • 43: Ukranian
  • 44: Welsh

数据分割

• train: 包含22194个样本，大小为3314521547.844字节。
• validation: 包含5888个样本，大小为862669934.664字节。
• test: 包含5963个样本，大小为812613938.737字节。

数据集大小

• 下载大小: 4661574412字节。
• 数据集大小: 4989805421.245字节。

配置信息

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