gigant/tib_2303_filtered

---
dataset_info:
features:
- name: doi
dtype: string
- name: title
dtype: string
- name: url
dtype: string
- name: video_url
dtype: string
- name: license
dtype: string
- name: subject
dtype: string
- name: genre
dtype: string
- name: release_year
dtype: string
- name: author
dtype: string
- name: contributors
dtype: string
- name: abstract
dtype: string
- name: transcript
dtype: string
- name: transcript_segments
sequence:
- name: id
dtype: int32
- name: seek
dtype: int32
- name: start
dtype: float32
- name: end
dtype: float32
- name: text
dtype: string
- name: tokens
sequence: int32
- name: temperature
dtype: float32
- name: avg_logprob
dtype: float32
- name: compression_ratio
dtype: float32
- name: no_speech_prob
dtype: float32
- name: keyframes
sequence:
- name: slide
dtype: string
- name: frames
sequence: int32
- name: timestamp
sequence: float32
- name: language
dtype: string
splits:
- name: train
num_bytes: 1032202393.542393
num_examples: 9103
download_size: 500663533
dataset_size: 1032202393.542393
---
# Dataset Card for "tib_2303_filtered"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 名称：数字对象标识符（Digital Object Identifier，DOI），数据类型：字符串
- 名称：标题（title），数据类型：字符串
- 名称：统一资源定位符（url），数据类型：字符串
- 名称：视频统一资源定位符（video_url），数据类型：字符串
- 名称：许可证（license），数据类型：字符串
- 名称：主题（subject），数据类型：字符串
- 名称：体裁（genre），数据类型：字符串
- 名称：发布年份（release_year），数据类型：字符串
- 名称：作者（author），数据类型：字符串
- 名称：贡献者（contributors），数据类型：字符串
- 名称：摘要（abstract），数据类型：字符串
- 名称：转录文本（transcript），数据类型：字符串
- 名称：转录文本分段（transcript_segments），序列类型：
- 名称：编号（id），数据类型：32位有符号整数
- 名称：定位偏移量（seek），数据类型：32位有符号整数
- 名称：起始时间（start），数据类型：32位单精度浮点数
- 名称：结束时间（end），数据类型：32位单精度浮点数
- 名称：文本内容（text），数据类型：字符串
- 名称：Token序列（tokens），数据类型：32位有符号整数序列
- 名称：温度参数（temperature），数据类型：32位单精度浮点数
- 名称：平均对数概率（avg_logprob），数据类型：32位单精度浮点数
- 名称：压缩率（compression_ratio），数据类型：32位单精度浮点数
- 名称：无语音概率（no_speech_prob），数据类型：32位单精度浮点数
- 名称：关键帧集合（keyframes），序列类型：
- 名称：幻灯片帧（slide），数据类型：字符串
- 名称：帧序列（frames），数据类型：32位有符号整数序列
- 名称：时间戳序列（timestamp），数据类型：32位单精度浮点数序列
- 名称：语言（language），数据类型：字符串
数据划分：
- 名称：训练集（train），字节量：1032202393.542393，样本数：9103
下载大小：500663533，数据集总大小：1032202393.542393
---
# "tib_2303_filtered"数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: tib_2303_filtered

数据集特征

• doi: 字符串类型
• title: 字符串类型
• url: 字符串类型
• video_url: 字符串类型
• license: 字符串类型
• subject: 字符串类型
• genre: 字符串类型
• release_year: 字符串类型
• author: 字符串类型
• contributors: 字符串类型
• abstract: 字符串类型
• transcript: 字符串类型
• transcript_segments: 序列类型，包含以下子特征:
  • id: 整数类型 (int32)
  • seek: 整数类型 (int32)
  • start: 浮点类型 (float32)
  • end: 浮点类型 (float32)
  • text: 字符串类型
  • tokens: 序列类型，整数类型 (int32)
  • temperature: 浮点类型 (float32)
  • avg_logprob: 浮点类型 (float32)
  • compression_ratio: 浮点类型 (float32)
  • no_speech_prob: 浮点类型 (float32)
• keyframes: 序列类型，包含以下子特征:
  • slide: 字符串类型
  • frames: 序列类型，整数类型 (int32)
  • timestamp: 序列类型，浮点类型 (float32)
• language: 字符串类型

数据集分割

• train:
  • num_bytes: 1032202393.542393 字节
  • num_examples: 9103 个样本

数据集大小

• download_size: 500663533 字节
• dataset_size: 1032202393.542393 字节