Bhasaanuvaad/IndicVoices_ST

---
dataset_info:
- config_name: Indic-En/asm
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 3830374664.215
num_examples: 118555
download_size: 3175164468
dataset_size: 3830374664.215
- config_name: Indic-En/ben
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 2835796880.7
num_examples: 116130
download_size: 2786917192
dataset_size: 2835796880.7
- config_name: Indic-En/guj
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 166638189.06
num_examples: 6780
download_size: 163730876
dataset_size: 166638189.06
- config_name: Indic-En/hin
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 1806202760.686
num_examples: 54562
download_size: 1890398578
dataset_size: 1806202760.686
- config_name: Indic-En/kan
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 1797511869.634
num_examples: 95106
download_size: 1670766615
dataset_size: 1797511869.634
- config_name: Indic-En/mal
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 2906917955.408
num_examples: 156276
download_size: 2675760437
dataset_size: 2906917955.408
- config_name: Indic-En/mar
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 4478154316.186
num_examples: 161369
download_size: 4451267547
dataset_size: 4478154316.186
- config_name: Indic-En/ory
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 1655215767.824
num_examples: 77816
download_size: 1594161285
dataset_size: 1655215767.824
- config_name: Indic-En/pun
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 1994329096.444
num_examples: 71933
download_size: 1884238977
dataset_size: 1994329096.444
- config_name: Indic-En/tam
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 3711686841.394
num_examples: 235647
download_size: 3586258352
dataset_size: 3711686841.394
- config_name: Indic-En/tel
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 2810991271.53
num_examples: 160355
download_size: 3029713349
dataset_size: 2810991271.53
- config_name: Indic-En/urd
features:
- name: chunked_audio_filepath
dtype: audio
- name: text
dtype: string
- name: pred_text
dtype: string
- name: audio_filepath
dtype: string
- name: start_time
dtype: float64
- name: duration
dtype: float64
- name: alignment_score
dtype: float64
- name: en_text
dtype: string
- name: en_mining_score
dtype: float64
splits:
- name: train
num_bytes: 3648275162.028
num_examples: 115034
download_size: 3659815614
dataset_size: 3648275162.028
configs:
- config_name: Indic-En/asm
data_files:
- split: train
path: Indic-En/asm/train-*
- config_name: Indic-En/ben
data_files:
- split: train
path: Indic-En/ben/train-*
- config_name: Indic-En/guj
data_files:
- split: train
path: Indic-En/guj/train-*
- config_name: Indic-En/hin
data_files:
- split: train
path: Indic-En/hin/train-*
- config_name: Indic-En/kan
data_files:
- split: train
path: Indic-En/kan/train-*
- config_name: Indic-En/mal
data_files:
- split: train
path: Indic-En/mal/train-*
- config_name: Indic-En/mar
data_files:
- split: train
path: Indic-En/mar/train-*
- config_name: Indic-En/ory
data_files:
- split: train
path: Indic-En/ory/train-*
- config_name: Indic-En/pun
data_files:
- split: train
path: Indic-En/pun/train-*
- config_name: Indic-En/tam
data_files:
- split: train
path: Indic-En/tam/train-*
- config_name: Indic-En/tel
data_files:
- split: train
path: Indic-En/tel/train-*
- config_name: Indic-En/urd
data_files:
- split: train
path: Indic-En/urd/train-*
---

数据集信息：
- 配置名称：Indic-En/asm
数据特征：
- 分块音频文件路径（chunked_audio_filepath）：数据类型为音频（audio）
- 转录文本（text）：数据类型为字符串（string）
- 预测转录文本（pred_text）：数据类型为字符串（string）
- 原始音频文件路径（audio_filepath）：数据类型为字符串（string）
- 分块起始时间（start_time）：数据类型为64位浮点型（float64）
- 分块时长（duration）：数据类型为64位浮点型（float64）
- 文本-音频对齐评分（alignment_score）：数据类型为64位浮点型（float64）
- 对应英语文本（en_text）：数据类型为字符串（string）
- 英语文本挖掘评分（en_mining_score）：数据类型为64位浮点型（float64）
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：3830374664.215
样本总量：118555
下载体积：3175164468
数据集总体积：3830374664.215
- 配置名称：Indic-En/ben
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：2835796880.7
样本总量：116130
下载体积：2786917192
数据集总体积：2835796880.7
- 配置名称：Indic-En/guj
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：166638189.06
样本总量：6780
下载体积：163730876
数据集总体积：166638189.06
- 配置名称：Indic-En/hin
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：1806202760.686
样本总量：54562
下载体积：1890398578
数据集总体积：1806202760.686
- 配置名称：Indic-En/kan
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：1797511869.634
样本总量：95106
下载体积：1670766615
数据集总体积：1797511869.634
- 配置名称：Indic-En/mal
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：2906917955.408
样本总量：156276
下载体积：2675760437
数据集总体积：2906917955.408
- 配置名称：Indic-En/mar
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：4478154316.186
样本总量：161369
下载体积：4451267547
数据集总体积：4478154316.186
- 配置名称：Indic-En/ory
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：1655215767.824
样本总量：77816
下载体积：1594161285
数据集总体积：1655215767.824
- 配置名称：Indic-En/pun
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：1994329096.444
样本总量：71933
下载体积：1884238977
数据集总体积：1994329096.444
- 配置名称：Indic-En/tam
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：3711686841.394
样本总量：235647
下载体积：3586258352
数据集总体积：3711686841.394
- 配置名称：Indic-En/tel
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：2810991271.53
样本总量：160355
下载体积：3029713349
数据集总体积：2810991271.53
- 配置名称：Indic-En/urd
数据特征：
- 分块音频文件路径：数据类型为音频
- 转录文本：数据类型为字符串
- 预测转录文本：数据类型为字符串
- 原始音频文件路径：数据类型为字符串
- 分块起始时间：数据类型为64位浮点型
- 分块时长：数据类型为64位浮点型
- 文本-音频对齐评分：数据类型为64位浮点型
- 对应英语文本：数据类型为字符串
- 英语文本挖掘评分：数据类型为64位浮点型
数据集拆分：
- 拆分名称：train（训练集）
字节占用量：3648275162.028
样本总量：115034
下载体积：3659815614
数据集总体积：3648275162.028
配置项：
- 配置名称：Indic-En/asm
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/asm/train-*
- 配置名称：Indic-En/ben
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/ben/train-*
- 配置名称：Indic-En/guj
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/guj/train-*
- 配置名称：Indic-En/hin
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/hin/train-*
- 配置名称：Indic-En/kan
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/kan/train-*
- 配置名称：Indic-En/mal
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/mal/train-*
- 配置名称：Indic-En/mar
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/mar/train-*
- 配置名称：Indic-En/ory
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/ory/train-*
- 配置名称：Indic-En/pun
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/pun/train-*
- 配置名称：Indic-En/tam
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/tam/train-*
- 配置名称：Indic-En/tel
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/tel/train-*
- 配置名称：Indic-En/urd
数据文件：
- 拆分集：train（训练集）
路径：Indic-En/urd/train-*