ml-for-speech/edacc

该数据集是一个用于音频分类的数据集，包含多种语言和方言的标签以及对应的音频数据。数据集的特征包括标签和音频，标签涵盖了意大利语、苏格兰英语、巴西葡萄牙语、主流美国英语、德语、埃及阿拉伯语、越南语、南英英语、牙买加英语、加泰罗尼亚语、拉丁语、印度英语、印尼英语、欧洲英语、南非英语、拉丁美洲西班牙语、中文、东欧语言、保加利亚语、爱尔兰英语、法语、日语、荷兰语和西班牙语等。数据集的分割为验证集，包含9848个样本。建议在数据处理时移除Dont know标签。

原始信息汇总

数据集概述

数据集信息

• 许可证: cc-by-sa-4.0

数据集特征

• 特征名称: label

  • 数据类型: 分类标签
  • 标签名称:
    • 0: Italian
    • 1: Scottish English
    • 2: Brazilian
    • 3: Mainstream US English
    • 4: German
    • 5: Egyptian
    • 6: Vietnamese
    • 7: Southern British English
    • 8: Jamaican English
    • 9: Catalan
    • 10: Latin
    • 11: Indian English
    • 12: Indonesian English
    • 13: European
    • 14: South African English
    • 15: Dont know
    • 16: Latin American
    • 17: Chinese
    • 18: Eastern European
    • 19: Bulgarian
    • 20: Irish English
    • 21: French
    • 22: Japanese
    • 23: Dutch
    • 24: Spanish

• 特征名称: audio

  • 数据类型: 音频

数据集分割

• 分割名称: validation
  • 数据大小: 3643027205.336 字节
  • 示例数量: 9848

数据集大小

• 下载大小: 3334754633 字节
• 数据集总大小: 3643027205.336 字节

配置

• 配置名称: default
  • 数据文件路径: data/validation-*

语言

• 支持语言: en