JJFrancisco/ProbaEstructura

--- annotations_creators: - expert-generated language: - gl license: - mit multilinguality: - monolingual dataset_info: - config_name: config features: - name: file dtype: string - name: audio dtype: audio: sampling_rate: 16000 - name: text dtype: string - name: speaker_id dtype: int64 - name: chapter_id dtype: int64 - name: id dtype: string splits: - name: train.100 num_bytes: 6619683041 num_examples: 28539 - name: train.360 num_bytes: 23898214592 num_examples: 104014 - name: validation num_bytes: 359572231 num_examples: 2703 - name: test num_bytes: 367705423 num_examples: 2620 download_size: 30121377654 dataset_size: 31245175287 - config_name: other features: - name: file dtype: string - name: audio dtype: audio: sampling_rate: 16000 - name: text dtype: string - name: speaker_id dtype: int64 - name: chapter_id dtype: int64 - name: id dtype: string splits: - name: train.500 num_bytes: 31810256902 num_examples: 148688 - name: validation num_bytes: 337283304 num_examples: 2864 - name: test num_bytes: 352396474 num_examples: 2939 download_size: 31236565377 dataset_size: 32499936680 - config_name: all features: - name: file dtype: string - name: audio dtype: audio: sampling_rate: 16000 - name: text dtype: string - name: speaker_id dtype: int64 - name: chapter_id dtype: int64 - name: id dtype: string splits: - name: train.clean.100 num_bytes: 6627791685 num_examples: 28539 - name: train.clean.360 num_bytes: 23927767570 num_examples: 104014 - name: train.other.500 num_bytes: 31852502880 num_examples: 148688 - name: validation.clean num_bytes: 359505691 num_examples: 2703 - name: validation.other num_bytes: 337213112 num_examples: 2864 - name: test.clean num_bytes: 368449831 num_examples: 2620 - name: test.other num_bytes: 353231518 num_examples: 2939 download_size: 61357943031 dataset_size: 63826462287 --- # Dataset Card for [Dataset Name] ## Table of Contents - [Table of Contents](#table-of-contents) - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards) - [Languages](#languages) - [Dataset Structure](#dataset-structure) - [Data Instances](#data-instances) - [Data Fields](#data-fields) - [Data Splits](#data-splits) - [Dataset Creation](#dataset-creation) - [Curation Rationale](#curation-rationale) - [Source Data](#source-data) - [Annotations](#annotations) - [Personal and Sensitive Information](#personal-and-sensitive-information) - [Considerations for Using the Data](#considerations-for-using-the-data) - [Social Impact of Dataset](#social-impact-of-dataset) - [Discussion of Biases](#discussion-of-biases) - [Other Known Limitations](#other-known-limitations) - [Additional Information](#additional-information) - [Dataset Curators](#dataset-curators) - [Licensing Information](#licensing-information) - [Citation Information](#citation-information) - [Contributions](#contributions) ## Dataset Description - **Homepage:** - **Repository:** - **Paper:** - **Leaderboard:** - **Point of Contact:** ### Dataset Summary [More Information Needed] ### Supported Tasks and Leaderboards [More Information Needed] ### Languages [More Information Needed] ## Dataset Structure ### Data Instances [More Information Needed] ### Data Fields [More Information Needed] ### Data Splits [More Information Needed] ## Dataset Creation ### Curation Rationale [More Information Needed] ### Source Data #### Initial Data Collection and Normalization [More Information Needed] #### Who are the source language producers? [More Information Needed] ### Annotations #### Annotation process [More Information Needed] #### Who are the annotators? [More Information Needed] ### Personal and Sensitive Information [More Information Needed] ## Considerations for Using the Data ### Social Impact of Dataset [More Information Needed] ### Discussion of Biases [More Information Needed] ### Other Known Limitations [More Information Needed] ## Additional Information ### Dataset Curators [More Information Needed] ### Licensing Information [More Information Needed] ### Citation Information [More Information Needed] ### Contributions Thanks to [@github-username](https://github.com/<github-username>) for adding this dataset.注释创建者： - 专家生成 语言： - 加利西亚语（Galician，代码gl） 许可协议： - MIT许可证（MIT） 多语言属性： - 单语言 数据集信息： - 配置名称：config 数据字段： - 名称：file，数据类型：字符串（string） - 名称：audio，数据类型：音频，采样率为16000赫兹 - 名称：text，数据类型：字符串（string） - 名称：speaker_id，数据类型：64位整数（int64） - 名称：chapter_id，数据类型：64位整数（int64） - 名称：id，数据类型：字符串（string） 数据拆分： - 名称：train.100，字节数：6619683041，样本数量：28539 - 名称：train.360，字节数：23898214592，样本数量：104014 - 名称：validation，字节数：359572231，样本数量：2703 - 名称：test，字节数：367705423，样本数量：2620 下载总大小：30121377654字节，数据集总大小：31245175287字节 - 配置名称：other 数据字段： - 名称：file，数据类型：字符串（string） - 名称：audio，数据类型：音频，采样率为16000赫兹 - 名称：text，数据类型：字符串（string） - 名称：speaker_id，数据类型：64位整数（int64） - 名称：chapter_id，数据类型：64位整数（int64） - 名称：id，数据类型：字符串（string） 数据拆分： - 名称：train.500，字节数：31810256902，样本数量：148688 - 名称：validation，字节数：337283304，样本数量：2864 - 名称：test，字节数：352396474，样本数量：2939 下载总大小：31236565377字节，数据集总大小：32499936680字节 - 配置名称：all 数据字段： - 名称：file，数据类型：字符串（string） - 名称：audio，数据类型：音频，采样率为16000赫兹 - 名称：text，数据类型：字符串（string） - 名称：speaker_id，数据类型：64位整数（int64） - 名称：chapter_id，数据类型：64位整数（int64） - 名称：id，数据类型：字符串（string） 数据拆分： - 名称：train.clean.100，字节数：6627791685，样本数量：28539 - 名称：train.clean.360，字节数：23927767570，样本数量：104014 - 名称：train.other.500，字节数：31852502880，样本数量：148688 - 名称：validation.clean，字节数：359505691，样本数量：2703 - 名称：validation.other，字节数：337213112，样本数量：2864 - 名称：test.clean，字节数：368449831，样本数量：2620 - 名称：test.other，字节数：353231518，样本数量：2939 下载总大小：61357943031字节，数据集总大小：63826462287字节 --- # 数据集卡片（[数据集名称]） ## 目录 - [目录](#目录) - [数据集描述](#数据集描述) - [数据集摘要](#数据集摘要) - [支持任务与排行榜](#支持任务与排行榜) - [语言](#语言) - [数据集结构](#数据集结构) - [数据实例](#数据实例) - [数据字段](#数据字段) - [数据拆分](#数据拆分) - [数据集构建](#数据集构建) - [构建依据](#构建依据) - [源数据](#源数据) - [标注信息](#标注信息) - [个人与敏感信息](#个人与敏感信息) - [数据使用考量](#数据使用考量) - [数据集的社会影响](#数据集的社会影响) - [偏差讨论](#偏差讨论) - [其他已知局限性](#其他已知局限性) - [附加信息](#附加信息) - [数据集维护者](#数据集维护者) - [许可信息](#许可信息) - [引用信息](#引用信息) - [贡献](#贡献) ## 数据集描述 - **主页：** - **代码仓库：** - **论文：** - **排行榜：** - **联系人：** ### 数据集摘要 [More Information Needed] ### 支持任务与排行榜 [More Information Needed] ### 语言 [More Information Needed] ## 数据集结构 ### 数据实例 [More Information Needed] ### 数据字段 [More Information Needed] ### 数据拆分 [More Information Needed] ## 数据集构建 ### 构建依据 [More Information Needed] ### 源数据 #### 初始数据收集与标准化 [More Information Needed] #### 源语言生产者是谁？ [More Information Needed] ### 标注信息 #### 标注流程 [More Information Needed] #### 标注者是谁？ [More Information Needed] ### 个人与敏感信息 [More Information Needed] ## 数据使用考量 ### 数据集的社会影响 [More Information Needed] ### 偏差讨论 [More Information Needed] ### 其他已知局限性 [More Information Needed] ## 附加信息 ### 数据集维护者 [More Information Needed] ### 许可信息 [More Information Needed] ### 引用信息 [More Information Needed] ### 贡献 感谢 [@github-用户名](https://github.com/<github-用户名>) 添加此数据集。

原始信息汇总

数据集概述

数据集信息

基本信息

• 语言: 加利西亚语 (gl)
• 许可证: MIT
• 多语言性: 单语种 (monolingual)
• 标注创建者: 专家生成 (expert-generated)

配置信息

配置: config

• 特征:
  • file: 字符串 (string)
  • audio: 音频 (audio)，采样率 16000 Hz
  • text: 字符串 (string)
  • speaker_id: 整数 (int64)
  • chapter_id: 整数 (int64)
  • id: 字符串 (string)
• 分割:
  • train.100: 6619683041 字节, 28539 个样本
  • train.360: 23898214592 字节, 104014 个样本
  • validation: 359572231 字节, 2703 个样本
  • test: 367705423 字节, 2620 个样本
• 下载大小: 30121377654 字节
• 数据集大小: 31245175287 字节

配置: other

• 特征:
  • file: 字符串 (string)
  • audio: 音频 (audio)，采样率 16000 Hz
  • text: 字符串 (string)
  • speaker_id: 整数 (int64)
  • chapter_id: 整数 (int64)
  • id: 字符串 (string)
• 分割:
  • train.500: 31810256902 字节, 148688 个样本
  • validation: 337283304 字节, 2864 个样本
  • test: 352396474 字节, 2939 个样本
• 下载大小: 31236565377 字节
• 数据集大小: 32499936680 字节

配置: all

• 特征:
  • file: 字符串 (string)
  • audio: 音频 (audio)，采样率 16000 Hz
  • text: 字符串 (string)
  • speaker_id: 整数 (int64)
  • chapter_id: 整数 (int64)
  • id: 字符串 (string)
• 分割:
  • train.clean.100: 6627791685 字节, 28539 个样本
  • train.clean.360: 23927767570 字节, 104014 个样本
  • train.other.500: 31852502880 字节, 148688 个样本
  • validation.clean: 359505691 字节, 2703 个样本
  • validation.other: 337213112 字节, 2864 个样本
  • test.clean: 368449831 字节, 2620 个样本
  • test.other: 353231518 字节, 2939 个样本
• 下载大小: 61357943031 字节
• 数据集大小: 63826462287 字节