TusharGoel/hindi-annotated-tts

---
dataset_info:
config_name: hi
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: text
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: utterance_pitch_mean
dtype: float32
- name: utterance_pitch_std
dtype: float32
- name: snr
dtype: float64
- name: c50
dtype: float64
- name: speaking_rate
dtype: float64
- name: phonemes
dtype: string
splits:
- name: train
num_bytes: 1458178
num_examples: 2691
- name: test
num_bytes: 1121450
num_examples: 2095
- name: validation
num_bytes: 1086881
num_examples: 2020
- name: other
num_bytes: 1222527
num_examples: 2126
- name: invalidated
num_bytes: 263773
num_examples: 485
download_size: 1130056
dataset_size: 5152809
configs:
- config_name: hi
data_files:
- split: train
path: hi/train-*
- split: test
path: hi/test-*
- split: validation
path: hi/validation-*
- split: other
path: hi/other-*
- split: invalidated
path: hi/invalidated-*
---

数据集信息：
配置名称：hi
特征：
- 名称：客户端ID（client_id），数据类型：字符串（string）
- 名称：路径（path），数据类型：字符串（string）
- 名称：文本（text），数据类型：字符串（string）
- 名称：点赞数（up_votes），数据类型：64位整数（int64）
- 名称：点踩数（down_votes），数据类型：64位整数（int64）
- 名称：年龄（age），数据类型：字符串（string）
- 名称：性别（gender），数据类型：字符串（string）
- 名称：口音（accent），数据类型：字符串（string）
- 名称：语言区域（locale），数据类型：字符串（string）
- 名称：片段（segment），数据类型：字符串（string）
- 名称：语句音高均值（utterance_pitch_mean），数据类型：32位浮点数（float32）
- 名称：语句音高标准差（utterance_pitch_std），数据类型：32位浮点数（float32）
- 名称：信噪比（SNR, Signal-to-Noise Ratio），数据类型：64位浮点数（float64）
- 名称：c50，数据类型：64位浮点数（float64）
- 名称：语速（speaking_rate），数据类型：64位浮点数（float64）
- 名称：音素（phonemes），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），字节数：1458178，样本数量：2691
- 划分名称：测试集（test），字节数：1121450，样本数量：2095
- 划分名称：验证集（validation），字节数：1086881，样本数量：2020
- 划分名称：其他集（other），字节数：1222527，样本数量：2126
- 划分名称：无效集（invalidated），字节数：263773，样本数量：485
下载大小：1130056
数据集总大小：5152809
配置信息：
- 配置名称：hi
数据文件：
- 划分：训练集（train），路径：hi/train-*
- 划分：测试集（test），路径：hi/test-*
- 划分：验证集（validation），路径：hi/validation-*
- 划分：其他集（other），路径：hi/other-*
- 划分：无效集（invalidated），路径：hi/invalidated-*

原始信息汇总

数据集概述

数据集特征

• client_id: 字符串类型
• path: 字符串类型
• text: 字符串类型
• up_votes: 整数类型（int64）
• down_votes: 整数类型（int64）
• 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
• utterance_pitch_mean: 浮点数类型（float32）
• utterance_pitch_std: 浮点数类型（float32）
• snr: 浮点数类型（float64）
• c50: 浮点数类型（float64）
• speaking_rate: 浮点数类型（float64）
• phonemes: 字符串类型

数据集分割

• train: 2691个样本，占用1458178字节
• test: 2095个样本，占用1121450字节
• validation: 2020个样本，占用1086881字节
• other: 2126个样本，占用1222527字节
• invalidated: 485个样本，占用263773字节

数据集大小

• 下载大小: 1130056字节
• 数据集总大小: 5152809字节