atmatechai/dataset_120k_pseudo_labelled_filter

---
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: path
dtype: string
- name: condition_on_prev
sequence: int64
- name: whisper_transcript
dtype: string
splits:
- name: train
num_bytes: 17610490756.96
num_examples: 95808
- name: test
num_bytes: 4385076703.671468
num_examples: 23951
download_size: 21640531900
dataset_size: 21995567460.631466
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：音频（audio），数据类型为音频格式，采样率为16000
- 名称：句子（sentence），数据类型为字符串
- 名称：路径（path），数据类型为字符串
- 名称：前置条件（condition_on_prev），数据类型为int64序列（sequence: int64）
- 名称：Whisper 转录结果（whisper_transcript），数据类型为字符串
数据集划分：
- 划分名称：训练集（train），字节大小为17610490756.96，样本数量为95808
- 划分名称：测试集（test），字节大小为4385076703.671468，样本数量为23951
下载总大小：21640531900
数据集总大小：21995567460.631466
配置项：
- 配置名称：默认（default），数据文件：
- 训练集（train）划分对应数据路径：data/train-*
- 测试集（test）划分对应数据路径：data/test-*