pipecat-ai/stt-benchmark-data

---
dataset_info:
features:
- name: sample_id
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: duration_seconds
dtype: float64
- name: transcription
dtype: string
splits:
- name: train
num_bytes: 307216461
num_examples: 1000
download_size: 298200221
dataset_size: 307216461
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

Dataset for Pipecat Speech-to-Text benchmarks:

https://github.com/pipecat-ai/stt-benchmark

数据集信息：
特征项：
- 名称：sample_id（样本ID），数据类型：字符串
- 名称：audio（音频），数据类型为采样率16000的音频格式
- 名称：duration_seconds（时长，单位：秒），数据类型：float64（双精度浮点数）
- 名称：transcription（转录文本），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节占用量：307216461，样本总数：1000
下载大小：298200221 字节
数据集总大小：307216461 字节
配置项：
- 配置名称：default（默认配置），数据文件配置：
- 对应数据集划分：train（训练集），文件路径：data/train-*

适用于Pipecat语音转文本（Speech-to-Text）基准测试的数据集：
https://github.com/pipecat-ai/stt-benchmark