RodrigoLimaRFL/common_voice_16_1_hi_pseudo_labelled

---
dataset_info:
config_name: hi
features:
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: condition_on_prev
sequence: int64
- name: whisper_transcript
dtype: string
splits:
- name: train
num_bytes: 622094627.0
num_examples: 704
- name: validation
num_bytes: 349393253.0
num_examples: 396
- name: test
num_bytes: 488626356.0
num_examples: 561
download_size: 1366638308
dataset_size: 1460114236.0
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：path，数据类型：字符串
- 名称：audio，数据类型：
音频：
采样率：16000 Hz
- 名称：sentence，数据类型：字符串
- 名称：前序条件（condition_on_prev），数据类型：64位整数序列
- 名称：Whisper转录文本（whisper_transcript），数据类型：字符串
划分集：
- 名称：训练集（train），字节数：622094627.0，样本数：704
- 名称：验证集（validation），字节数：349393253.0，样本数：396
- 名称：测试集（test），字节数：488626356.0，样本数：561
下载大小：1366638308
数据集总大小：1460114236.0
配置项：
- 配置名称：hi
数据文件：
- 划分集：train，路径：hi/train-*
- 划分集：validation，路径：hi/validation-*
- 划分集：test，路径：hi/test-*

原始信息汇总

数据集概述

数据集配置

• 配置名称: hi

数据集特征

• path: 数据类型为字符串
• audio: 数据类型为音频，采样率为16000 Hz
• sentence: 数据类型为字符串
• condition_on_prev: 数据类型为整数序列
• whisper_transcript: 数据类型为字符串

数据集分割

• 训练集:
  • 示例数量: 704
  • 数据大小: 622094627.0字节
• 验证集:
  • 示例数量: 396
  • 数据大小: 349393253.0字节
• 测试集:
  • 示例数量: 561
  • 数据大小: 488626356.0字节

数据集大小

• 下载大小: 1366638308字节
• 数据集总大小: 1460114236.0字节

数据文件路径

• 训练集: hi/train-*
• 验证集: hi/validation-*
• 测试集: hi/test-*