monsoonery/voxpopuli_nl_EVAL_pseudo_labelled

---
dataset_info:
config_name: nl
features:
- name: audio_id
dtype: string
- name: language
dtype:
class_label:
names:
'0': en
'1': de
'2': fr
'3': es
'4': pl
'5': it
'6': ro
'7': hu
'8': cs
'9': nl
'10': fi
'11': hr
'12': sk
'13': sl
'14': et
'15': lt
'16': en_accented
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: raw_text
dtype: string
- name: normalized_text
dtype: string
- name: gender
dtype: string
- name: speaker_id
dtype: string
- name: is_gold_transcript
dtype: bool
- name: accent
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: validation
num_bytes: 638121672.64
num_examples: 1230
download_size: 509816155
dataset_size: 638121672.64
configs:
- config_name: nl
data_files:
- split: validation
path: nl/validation-*
---

数据集信息：
配置名称：nl
特征字段：
- 字段名：音频ID（audio_id），数据类型：字符串（string）
- 字段名：语言（language），数据类型：类别标签（class_label），类别映射如下：
'0': 英语（en）
'1': 德语（de）
'2': 法语（fr）
'3': 西班牙语（es）
'4': 波兰语（pl）
'5': 意大利语（it）
'6': 罗马尼亚语（ro）
'7': 匈牙利语（hu）
'8': 捷克语（cs）
'9': 荷兰语（nl）
'10': 芬兰语（fi）
'11': 克罗地亚语（hr）
'12': 斯洛伐克语（sk）
'13': 斯洛文尼亚语（sl）
'14': 爱沙尼亚语（et）
'15': 立陶宛语（lt）
'16': 带口音英语（en_accented）
- 字段名：音频（audio），数据类型：音频数据（audio），采样率：16000 赫兹
- 字段名：原始文本（raw_text），数据类型：字符串（string）
- 字段名：归一化文本（normalized_text），数据类型：字符串（string）
- 字段名：性别（gender），数据类型：字符串（string）
- 字段名：说话人ID（speaker_id），数据类型：字符串（string）
- 字段名：金标准转录标记（is_gold_transcript），数据类型：布尔值（bool）
- 字段名：口音（accent），数据类型：字符串（string）
- 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：验证集（validation），占用字节数：638121672.64，样本数量：1230
下载大小：509816155 字节，数据集总大小：638121672.64 字节
配置项：
- 配置名称：nl，数据文件：
- 数据集划分：验证集（validation），文件路径：nl/validation-*

原始信息汇总

数据集概述

数据集配置名称

• 配置名称: nl

数据集特征

• 音频ID: 字符串类型
• 语言: 分类标签类型，包括以下语言：
  • 0: en
  • 1: de
  • 2: fr
  • 3: es
  • 4: pl
  • 5: it
  • 6: ro
  • 7: hu
  • 8: cs
  • 9: nl
  • 10: fi
  • 11: hr
  • 12: sk
  • 13: sl
  • 14: et
  • 15: lt
  • 16: en_accented
• 音频: 音频类型，采样率为16000
• 原始文本: 字符串类型
• 规范化文本: 字符串类型
• 性别: 字符串类型
• 说话人ID: 字符串类型
• 是否为黄金转录: 布尔类型
• 口音: 字符串类型
• Whisper转录: 整数类型

数据集分割

• 验证集:
  • 字节数: 638121672.64
  • 示例数: 1230

数据集大小

• 下载大小: 509816155
• 数据集大小: 638121672.64

数据文件配置

• 配置名称: nl
• 数据文件:
  • 分割: 验证集
  • 路径: nl/validation-*