pourmand1376/asr-farsi-youtube-chunked-10-seconds

---
dataset_info:
features:
- name: audio
dtype: audio
- name: video_id
dtype: string
- name: segment_id
dtype: int64
- name: title
dtype: string
- name: transcription
dtype: string
- name: youtube_url
dtype: string
splits:
- name: train
num_bytes: 15765226460.953596
num_examples: 113204
- name: test
num_bytes: 1957249220.5622025
num_examples: 14151
- name: val
num_bytes: 1977921383.4392023
num_examples: 14151
download_size: 19638509254
dataset_size: 19700397064.955
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: val
path: data/val-*
---

数据集信息：
特征项：
- 字段名：音频，数据类型：音频（audio）
- 字段名：视频ID，数据类型：字符串（string）
- 字段名：片段ID，数据类型：64位整数（int64）
- 字段名：标题，数据类型：字符串（string）
- 字段名：转录文本，数据类型：字符串（string）
- 字段名：YouTube网址，数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），占用字节数：15765226460.953596，样本数量：113204
- 划分名称：测试集（test），占用字节数：1957249220.5622025，样本数量：14151
- 划分名称：验证集（val），占用字节数：1977921383.4392023，样本数量：14151
下载总大小：19638509254字节
数据集总大小：19700397064.955字节
配置项：
- 配置名称：默认配置（default），数据文件路径：
- 训练集划分：data/train-*
- 测试集划分：data/test-*
- 验证集划分：data/val-*

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据
• video_id: 视频ID，字符串类型
• segment_id: 片段ID，整数类型
• title: 标题，字符串类型
• transcription: 转录文本，字符串类型
• youtube_url: YouTube链接，字符串类型

数据集分割

• train: 训练集，包含113204个样本，大小为15765226460.953596字节
• test: 测试集，包含14151个样本，大小为1957249220.5622025字节
• val: 验证集，包含14151个样本，大小为1977921383.4392023字节

数据集大小

• 下载大小: 19638509254字节
• 数据集大小: 19700397064.955字节

配置

• default: 默认配置
  • train: 路径为data/train-*
  • test: 路径为data/test-*
  • val: 路径为data/val-*