IliyanGochev/common_voice_13_0_bg_pseudo_labelled

---
dataset_info:
config_name: bg
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: variant
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: train
num_bytes: 92489982.56
num_examples: 3385
- name: validation
num_bytes: 79482559.912
num_examples: 2358
- name: test
num_bytes: 84919243.036
num_examples: 2463
download_size: 265321822
dataset_size: 256891785.50800002
configs:
- config_name: bg
data_files:
- split: train
path: bg/train-*
- split: validation
path: bg/validation-*
- split: test
path: bg/test-*
---

数据集信息:
配置名称: bg
特征字段:
- 字段名: 客户端ID（client_id）, 数据类型: 字符串
- 字段名: 路径（path）, 数据类型: 字符串
- 字段名: 音频（audio）, 数据类型: 音频格式，采样率为16000 Hz
- 字段名: 句子（sentence）, 数据类型: 字符串
- 字段名: 赞成票数量（up_votes）, 数据类型: int64
- 字段名: 反对票数量（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（accent）, 数据类型: 字符串
- 字段名: 区域设置（locale）, 数据类型: 字符串
- 字段名: 片段（segment）, 数据类型: 字符串
- 字段名: 变体（variant）, 数据类型: 字符串
- 字段名: Whisper转录序列（whisper_transcript）, 数据类型: int64序列
数据集划分:
- 划分名称: 训练集（train）, 字节数: 92489982.56, 样本数量: 3385
- 划分名称: 验证集（validation）, 字节数: 79482559.912, 样本数量: 2358
- 划分名称: 测试集（test）, 字节数: 84919243.036, 样本数量: 2463
下载总大小: 265321822
数据集总大小: 256891785.50800002
配置项:
- 配置名称: bg
数据文件:
- 划分: 训练集（train）, 路径: bg/train-*
- 划分: 验证集（validation）, 路径: bg/validation-*
- 划分: 测试集（test）, 路径: bg/test-*

原始信息汇总

数据集概述

数据集信息

• 配置名称: bg

特征描述

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为16000
• sentence: 字符串类型
• up_votes: 64位整数类型
• down_votes: 64位整数类型
• age: 字符串类型
• gender: 字符串类型
• accent: 字符串类型
• locale: 字符串类型
• segment: 字符串类型
• variant: 字符串类型
• whisper_transcript: 序列类型，64位整数

数据分割

• 训练集:
  • 字节数: 92489982.56
  • 样本数: 3385
• 验证集:
  • 字节数: 79482559.912
  • 样本数: 2358
• 测试集:
  • 字节数: 84919243.036
  • 样本数: 2463

数据集大小

• 下载大小: 265321822
• 数据集大小: 256891785.50800002

配置文件

• 配置名称: bg
• 数据文件:
  • 训练集: bg/train-*
  • 验证集: bg/validation-*
  • 测试集: bg/test-*