Subhadeep/common_voice_11_0_hi_pseudo_labelled

---
dataset_info:
config_name: hi
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: train
num_bytes: 131053542.138
num_examples: 4361
- name: validation
num_bytes: 64148344.509
num_examples: 2179
- name: test
num_bytes: 100961651.174
num_examples: 2894
download_size: 260542039
dataset_size: 296163537.821
configs:
- config_name: hi
data_files:
- split: train
path: hi/train-*
- split: validation
path: hi/validation-*
- split: test
path: hi/test-*
---

数据集信息：
配置名称：hi
特征：
- 名称：client_id（客户端ID），数据类型：字符串
- 名称：path（路径），数据类型：字符串
- 名称：audio（音频），数据类型：音频格式，采样率为16000赫兹
- 名称：sentence（语句文本），数据类型：字符串
- 名称：up_votes（点赞票数），数据类型：64位整数
- 名称：down_votes（点踩票数），数据类型：64位整数
- 名称：age（年龄），数据类型：字符串
- 名称：gender（性别），数据类型：字符串
- 名称：accent（口音），数据类型：字符串
- 名称：locale（语言区域），数据类型：字符串
- 名称：segment（语音片段），数据类型：字符串
- 名称：whisper_transcript（Whisper语音转录序列，Whisper），数据类型：64位整数序列
数据集划分：
- 名称：train（训练集），数据字节数：131053542.138，样本数量：4361
- 名称：validation（验证集），数据字节数：64148344.509，样本数量：2179
- 名称：test（测试集），数据字节数：100961651.174，样本数量：2894
下载大小：260542039字节
数据集总大小：296163537.821字节
配置项：
- 配置名称：hi
数据文件：
- 划分集：train（训练集），数据路径：hi/train-*
- 划分集：validation（验证集），数据路径：hi/validation-*
- 划分集：test（测试集），数据路径：hi/test-*

原始信息汇总

数据集概述

配置名称

• config_name: hi

特征信息

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为16000
• sentence: 字符串类型
• up_votes: 64位整数类型
• down_votes: 64位整数类型
• age: 字符串类型
• gender: 字符串类型
• accent: 字符串类型
• locale: 字符串类型
• segment: 字符串类型
• whisper_transcript: 序列类型，64位整数

数据分割

• train:
  • 字节数: 131053542.138
  • 样本数: 4361
• validation:
  • 字节数: 64148344.509
  • 样本数: 2179
• test:
  • 字节数: 100961651.174
  • 样本数: 2894

数据大小

• 下载大小: 260542039 字节
• 数据集大小: 296163537.821 字节

配置文件路径

• config_name: hi
  • train: hi/train-*
  • validation: hi/validation-*
  • test: hi/test-*