atmatechdev/fleurs_pseudo_labelled

---
dataset_info:
config_name: id
features:
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: condition_on_prev
sequence: int64
- name: whisper_transcript
dtype: string
splits:
- name: train
num_bytes: 1181013314.702
num_examples: 2923
- name: test
num_bytes: 272345375.0
num_examples: 685
download_size: 1409824168
dataset_size: 1453358689.702
configs:
- config_name: id
data_files:
- split: train
path: id/train-*
- split: test
path: id/test-*
---

dataset_info:
配置名称: id
特征项:
- 名称: 文件路径
数据类型: 字符串
- 名称: 音频数据
数据类型: 音频（采样率16000）
- 名称: 文本语句
数据类型: 字符串
- 名称: 前置条件序列
数据类型: int64 类型序列
- 名称: Whisper（OpenAI语音识别模型）转录文本
数据类型: 字符串
数据集划分:
- 名称: 训练集
字节占用量: 1181013314.702
样本总量: 2923
- 名称: 测试集
字节占用量: 272345375.0
样本总量: 685
下载体积: 1409824168
总数据集体积: 1453358689.702
configs:
- 配置名称: id
数据文件:
- 数据集划分: 训练集
路径: id/train-*
- 数据集划分: 测试集
路径: id/test-*

原始信息汇总

数据集概述

数据集配置

• 配置名称: id

数据集特征

• path: 数据类型为字符串。
• audio: 数据类型为音频，采样率为16000 Hz。
• sentence: 数据类型为字符串。
• condition_on_prev: 数据类型为整数序列。
• whisper_transcript: 数据类型为字符串。

数据集分割

• 训练集: 包含2923个样本，总大小为1181013314.702字节。
• 测试集: 包含685个样本，总大小为272345375.0字节。

数据集大小

• 下载大小: 1409824168字节。
• 数据集总大小: 1453358689.702字节。

数据文件路径

• 训练集: id/train-*
• 测试集: id/test-*