marcel-gohsen/slurp

---
dataset_info:
features:
- name: id
dtype: int64
- name: transcript
dtype: string
- name: audio
dtype: audio
- name: intent
dtype: string
- name: 'slots:'
sequence: string
- name: cam
dtype: string
splits:
- name: train
num_bytes: 2922022234.136
num_examples: 50628
- name: test
num_bytes: 709980145.726
num_examples: 13078
- name: devel
num_bytes: 477536022.9
num_examples: 8690
download_size: 3916202128
dataset_size: 4109538402.762
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: devel
path: data/devel-*
---

数据集信息：
特征：
- 名称：id，数据类型：64位整数（int64）
- 名称：transcript（转录文本），数据类型：字符串
- 名称：audio（音频），数据类型：音频类型
- 名称：intent（意图），数据类型：字符串
- 名称：slots:（槽位），数据类型：字符串序列
- 名称：cam，数据类型：字符串
数据集拆分：
- 拆分名称：train（训练集），占用字节数：2922022234.136，样本数量：50628
- 拆分名称：test（测试集），占用字节数：709980145.726，样本数量：13078
- 拆分名称：devel（开发集），占用字节数：477536022.9，样本数量：8690
下载总大小：3916202128 字节
数据集总大小：4109538402.762 字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 拆分train：对应路径 data/train-*
- 拆分test：对应路径 data/test-*
- 拆分devel：对应路径 data/devel-*

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为 int64
• transcript: 数据类型为 string
• audio: 数据类型为 audio
• intent: 数据类型为 string
• slots: 数据类型为 string 的序列
• cam: 数据类型为 string

数据集划分

• train: 包含 50628 个样本，大小为 2922022234.136 字节
• test: 包含 13078 个样本，大小为 709980145.726 字节
• devel: 包含 8690 个样本，大小为 477536022.9 字节

数据集大小

• 下载大小: 3916202128 字节
• 数据集总大小: 4109538402.762 字节

配置信息

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • test: data/test-*
    • devel: data/devel-*

搜集汇总

背景与挑战

背景概述

该数据集是一个多模态(音频+文本)的语音指令数据集，包含72,396条日常场景的语音指令记录，涵盖日历管理、天气查询、音乐控制等91种意图类型。数据集已划分为训练集、测试集和开发集，适用于语音识别和自然语言理解任务。