Whispering-GPT/whisper-transcripts-linustechtips

该数据集是通过应用Whisper模型对YouTube频道Linus Tech Tips的视频进行转录而创建的。数据集包含了视频的ID、频道名称、频道ID、视频标题、类别、描述、完整转录文本以及分段转录信息。数据集的语言为英语，且仅包含训练集。

原始信息汇总

数据集概述

数据集名称

"whisper-transcripts-linustechtips"

任务类别

• 自动语音识别

数据集特征

• id: 字符串类型，YouTube视频ID。
• channel: 字符串类型，频道名称。
• channel_id: 字符串类型，YouTube频道ID。
• title: 字符串类型，视频标题。
• categories: 字符串序列，视频类别。
• tags: 字符串序列，视频标签。
• description: 字符串类型，作者添加的描述。
• text: 字符串类型，视频完整转录文本。
• segments: 列表类型，包含视频转录的时间和文本。
  • start: 浮点数类型，转录开始时间。
  • end: 浮点数类型，转录结束时间。
  • text: 字符串类型，转录文本。

数据集结构

• 训练集:
  • num_bytes: 177776633.92326075字节
  • num_examples: 5655个实例
  • download_size: 100975518字节
  • dataset_size: 177776633.92326075字节

数据集语言

• 语言: 英语

数据集来源

• 转录来自YouTube频道Linus Tech Tips的视频。

数据集贡献者

• Whispering-GPT组织