NafishZaldinanda/common_voice_16_0_id_pseudo_labelled

---
dataset_info:
config_name: id
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: variant
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: train
num_bytes: 165337917.496
num_examples: 4969
- name: validation
num_bytes: 100791420.5
num_examples: 3340
- name: test
num_bytes: 114085182.172
num_examples: 3642
download_size: 371542085
dataset_size: 380214520.168
configs:
- config_name: id
data_files:
- split: train
path: id/train-*
- split: validation
path: id/validation-*
- split: test
path: id/test-*
---

数据集信息：
配置名称：id
特征：
- 名称：客户端ID（client_id），数据类型：字符串
- 名称：文件路径（path），数据类型：字符串
- 名称：音频（audio），数据类型：
音频：
采样率：16000赫兹
- 名称：参考语句（sentence），数据类型：字符串
- 名称：赞成票数量（up_votes），数据类型：64位整数
- 名称：反对票数量（down_votes），数据类型：64位整数
- 名称：年龄（age），数据类型：字符串
- 名称：性别（gender），数据类型：字符串
- 名称：口音（accent），数据类型：字符串
- 名称：语言区域（locale），数据类型：字符串
- 名称：语音片段（segment），数据类型：字符串
- 名称：变体（variant），数据类型：字符串
- 名称：Whisper转录序列（whisper_transcript），数据类型：64位整数序列
数据集划分：
- 名称：训练集（train），占用字节数：165337917.496，样本数量：4969
- 名称：验证集（validation），占用字节数：100791420.5，样本数量：3340
- 名称：测试集（test），占用字节数：114085182.172，样本数量：3642
下载总大小：371542085
数据集总大小：380214520.168
配置项：
- 配置名称：id，数据文件：
- 划分集：训练集（train），文件路径：id/train-*
- 划分集：验证集（validation），文件路径：id/validation-*
- 划分集：测试集（test），文件路径：id/test-*

原始信息汇总

数据集信息

配置名称

• config_name: id

特征

• client_id: 字符串类型
• path: 字符串类型
• audio: 包含采样率为16000的音频数据
• sentence: 字符串类型
• up_votes: 64位整数类型
• down_votes: 64位整数类型
• age: 字符串类型
• gender: 字符串类型
• accent: 字符串类型
• locale: 字符串类型
• segment: 字符串类型
• variant: 字符串类型
• whisper_transcript: 64位整数序列类型

数据分割

• train: 包含4969个样本，165337917.496字节
• validation: 包含3340个样本，100791420.5字节
• test: 包含3642个样本，114085182.172字节

数据大小

• download_size: 371542085字节
• dataset_size: 380214520.168字节

配置详情

• config_name: id
• data_files:
  • train: id/train-*
  • validation: id/validation-*
  • test: id/test-*