RodrigoLimaRFL/nurc-sp_pseudo_labelled

该数据集是一个葡萄牙语数据集，包含文件路径、文本、音频、条件序列和Whisper转录等特征。数据集被分为训练集、验证集和测试集，分别包含30762、640和1319个示例。总下载大小为27090778361字节，数据集总大小为27280994984.156字节。

原始信息汇总

数据集概述

基本信息

• 语言: 葡萄牙语（pt）
• 许可证: MIT
• 数据集名称: RodrigoLimaRFL/nurc-sp-hugging-face
• 库名称: transformers

数据集特征

• file_path: 数据类型为字符串
• text: 数据类型为字符串
• audio: 数据类型为音频，采样率为16000 Hz
• condition_on_prev: 数据类型为整数（int64）
• whisper_transcript: 数据类型为字符串

数据集分割

• 训练集:
  • 示例数量: 30762
  • 数据大小: 25657845846.988字节
• 验证集:
  • 示例数量: 640
  • 数据大小: 526701240.0字节
• 测试集:
  • 示例数量: 1319
  • 数据大小: 1096447897.168字节

数据集大小

• 下载大小: 27090778361字节
• 总数据集大小: 27280994984.156字节

配置文件

• 默认配置:
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*