guynich/common_voice_13_0_hi_pseudo_labelled

---
dataset_info:
config_name: hi
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: 133145055.934
num_examples: 4479
- name: validation
num_bytes: 67167175.935
num_examples: 2281
- name: test
num_bytes: 102479336.039
num_examples: 2947
download_size: 269386085
dataset_size: 302791567.908
configs:
- config_name: hi
data_files:
- split: train
path: hi/train-*
- split: validation
path: hi/validation-*
- split: test
path: hi/test-*
---

数据集信息：
配置名称：hi
特征字段：
- 字段名称：client_id，数据类型：字符串（string）
- 字段名称：path，数据类型：字符串（string）
- 字段名称：audio，数据类型为音频格式，采样率为16000Hz
- 字段名称：sentence，数据类型：字符串（string）
- 字段名称：up_votes，数据类型：64位整数（int64）
- 字段名称：down_votes，数据类型：64位整数（int64）
- 字段名称：age，数据类型：字符串（string）
- 字段名称：gender，数据类型：字符串（string）
- 字段名称：accent，数据类型：字符串（string）
- 字段名称：locale，数据类型：字符串（string）
- 字段名称：segment，数据类型：字符串（string）
- 字段名称：variant，数据类型：字符串（string）
- 字段名称：whisper_transcript（Whisper转录结果），数据类型：int64序列（sequence: int64）
数据划分：
- 划分名称：训练集（train），数据字节量：133145055.934，样本数量：4479
- 划分名称：验证集（validation），数据字节量：67167175.935，样本数量：2281
- 划分名称：测试集（test），数据字节量：102479336.039，样本数量：2947
下载总大小：269386085
数据集总存储大小：302791567.908
配置项：
- 配置名称：hi
数据文件：
- 对应划分：训练集（train），文件路径：hi/train-*
- 对应划分：验证集（validation），文件路径：hi/validation-*
- 对应划分：测试集（test），文件路径：hi/test-*

原始信息汇总

数据集概述

数据集配置

• 配置名称: hi

特征信息

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为16000
• 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: 序列类型，64位整数

数据分割

• 训练集:
  • 字节数: 133145055.934
  • 样本数: 4479
• 验证集:
  • 字节数: 67167175.935
  • 样本数: 2281
• 测试集:
  • 字节数: 102479336.039
  • 样本数: 2947

数据集大小

• 下载大小: 269386085 字节
• 数据集大小: 302791567.908 字节

数据文件配置

• 配置名称: hi
• 数据文件:
  • 训练集: hi/train-*
  • 验证集: hi/validation-*
  • 测试集: hi/test-*