ky552/cszs_es_en

该数据集包含ICASSP 2024基准测试中的西班牙语-英语轨道，旨在评估语音基础模型的语义和句法能力。数据集包含正确和错误的音频文件及其转录文本，适用于代码切换自动语音识别（ASR）任务。数据集分为训练集、开发集和测试集，分别包含129220、13866和13740个样本。数据集的下载大小为36453700196字节，总大小为36997427789.215996字节。数据集的语言为英语和西班牙语，许可证为MIT。

原始信息汇总

数据集概述

数据特征

• correct_audio: 音频数据类型
• correct_transcription: 字符串类型
• correct_file: 字符串类型
• wrong_audio: 音频数据类型
• wrong_transcription: 字符串类型
• wrong_file: 字符串类型

数据分割

• train:
  • 字节数: 30462716413.44
  • 样本数: 129220
• dev:
  • 字节数: 3325102230.576
  • 样本数: 13866
• test:
  • 字节数: 3209609145.2
  • 样本数: 13740

数据大小

• 下载大小: 36453700196
• 数据集大小: 36997427789.215996

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • dev: data/dev-*
    • test: data/test-*

许可

• license: MIT

语言

• language:
  • en
  • es