Rounak28/bengaliAI-preprocessed-whisper-medium-0-50000

---
dataset_info:
features:
- name: id
dtype: string
- name: sentence
dtype: string
- name: split
dtype: string
- name: input_features
sequence:
sequence: float32
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 48065858980
num_examples: 50000
download_size: 6861840289
dataset_size: 48065858980
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "bengaliAI-preprocessed-whisper-medium-0-50000"

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

数据集信息：
特征列表：
- 名称：id，数据类型：字符串
- 名称：sentence，数据类型：字符串
- 名称：split，数据类型：字符串
- 名称：input_features，数据类型：嵌套序列，内层序列元素为32位浮点数（float32）
- 名称：labels，数据类型：序列，元素为64位整数（int64）
划分集：
- 名称：train（训练集），占用字节数：48065858980，样本数量：50000
下载大小：6861840289 字节
数据集总占用大小：48065858980 字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分集：train（训练集），文件路径：data/train-*

# 「bengaliAI-preprocessed-whisper-medium-0-50000」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

数据集信息

特征

• id: 字符串类型
• sentence: 字符串类型
• split: 字符串类型
• input_features: 序列类型，包含float32类型的数据
• labels: 序列类型，包含int64类型的数据

数据分割

• train: 包含50000个样本，总字节数为48065858980

数据大小

• 下载大小: 6861840289字节
• 数据集大小: 48065858980字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*