WillHeld/india_accent_cv

---
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accents
dtype: string
- name: variant
dtype: 'null'
- name: locale
dtype: string
- name: segment
dtype: 'null'
- name: label
dtype: int64
- name: embed
sequence: float64
- name: audio
dtype: audio
splits:
- name: train
num_bytes: 16957817819.17
num_examples: 91510
download_size: 16132165008
dataset_size: 16957817819.17
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）：
特征字段：
- 字段名：客户端ID（client_id），数据类型：字符串
- 字段名：文件路径（path），数据类型：字符串
- 字段名：参考语句（sentence），数据类型：字符串
- 字段名：正向投票数（up_votes），数据类型：int64
- 字段名：负向投票数（down_votes），数据类型：int64
- 字段名：年龄（age），数据类型：字符串
- 字段名：性别（gender），数据类型：字符串
- 字段名：口音（accents），数据类型：字符串
- 字段名：变体（variant），数据类型：空值（null）
- 字段名：区域标识（locale），数据类型：字符串
- 字段名：片段（segment），数据类型：空值（null）
- 字段名：标签（label），数据类型：int64
- 字段名：嵌入向量（embed），数据类型：float64类型序列
- 字段名：音频（audio），数据类型：音频数据格式
数据集划分（splits）：
- 划分名称：训练集（train），字节占用量：16957817819.17，样本总数：91510
下载体积：16132165008
数据集总字节占用量：16957817819.17
数据集配置（configs）：
- 配置名称：默认配置（default），数据文件配置：
- 对应训练集划分：数据文件路径为 data/train-*

原始信息汇总

数据集概述

数据集特征

• client_id: 数据类型为字符串。
• path: 数据类型为字符串。
• sentence: 数据类型为字符串。
• up_votes: 数据类型为整数。
• down_votes: 数据类型为整数。
• age: 数据类型为字符串。
• gender: 数据类型为字符串。
• accents: 数据类型为字符串。
• variant: 数据类型为空。
• locale: 数据类型为字符串。
• segment: 数据类型为空。
• label: 数据类型为整数。
• embed: 数据类型为浮点数序列。
• audio: 数据类型为音频。

数据集分割

• 训练集 (train):
  • 数据量: 91510个样本
  • 存储大小: 16957817819.17字节

数据集大小

• 下载大小: 16132165008字节
• 数据集总大小: 16957817819.17字节

配置

• 默认配置 (default):
  • 数据文件路径: data/train-*