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。

This dataset was created by applying the Whisper model to transcribe videos from the YouTube channel Linus Tech Tips. The dataset includes video ID, channel name, channel ID, video title, category, description, full transcription text, and segmented transcription information. The dataset is in English and only contains the training set.

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