WillHeld/librispeech_parquet

---
dataset_info:
features:
- name: file
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: text
dtype: string
- name: speaker_id
dtype: int64
- name: chapter_id
dtype: int64
- name: id
dtype: string
splits:
- name: test
num_bytes: 367966786.42
num_examples: 2620
- name: validation
num_bytes: 359841018.966
num_examples: 2703
- name: train.100
num_bytes: 6622513525.062
num_examples: 28539
- name: train.360
num_bytes: 23908576855.828
num_examples: 104014
- name: train.500
num_bytes: 31825046131.584
num_examples: 148688
- name: train.960
num_bytes: 62356128107.863
num_examples: 281241
download_size: 121680142766
dataset_size: 125440072425.72299
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: validation
path: data/validation-*
- split: train.100
path: data/train.100-*
- split: train.360
path: data/train.360-*
- split: train.500
path: data/train.500-*
- split: train.960
path: data/train.960-*
---

数据集信息：
特征字段：
- 字段名：file，数据类型：字符串
- 字段名：audio，数据类型为音频格式，采样率为16000 赫兹
- 字段名：text，数据类型：字符串
- 字段名：speaker_id，数据类型：int64 整型
- 字段名：chapter_id，数据类型：int64 整型
- 字段名：id，数据类型：字符串
数据集划分：
- 划分名称：test，字节数：367966786.42，样本数：2620
- 划分名称：validation，字节数：359841018.966，样本数：2703
- 划分名称：train.100，字节数：6622513525.062，样本数：28539
- 划分名称：train.360，字节数：23908576855.828，样本数：104014
- 划分名称：train.500，字节数：31825046131.584，样本数：148688
- 划分名称：train.960，字节数：62356128107.863，样本数：281241
下载总大小：121680142766 字节
数据集总存储大小：125440072425.72299 字节
配置项：
- 配置名称：default，数据文件对应如下：
- 划分test：数据路径为 data/test-*
- 划分validation：数据路径为 data/validation-*
- 划分train.100：数据路径为 data/train.100-*
- 划分train.360：数据路径为 data/train.360-*
- 划分train.500：数据路径为 data/train.500-*
- 划分train.960：数据路径为 data/train.960-*

原始信息汇总

数据集概述

数据集特征

• file: 数据类型为字符串。
• audio: 数据类型为音频，采样率为16000。
• text: 数据类型为字符串。
• speaker_id: 数据类型为int64。
• chapter_id: 数据类型为int64。
• id: 数据类型为字符串。

数据集分割

• test: 包含2620个样本，总大小为367966786.42字节。
• validation: 包含2703个样本，总大小为359841018.966字节。
• train.100: 包含28539个样本，总大小为6622513525.062字节。
• train.360: 包含104014个样本，总大小为23908576855.828字节。
• train.500: 包含148688个样本，总大小为31825046131.584字节。
• train.960: 包含281241个样本，总大小为62356128107.863字节。

数据集大小

• 下载大小: 121680142766字节。
• 数据集总大小: 125440072425.72299字节。

配置文件

• config_name: default
• data_files:
  • test: 路径为data/test-*。
  • validation: 路径为data/validation-*。
  • train.100: 路径为data/train.100-*。
  • train.360: 路径为data/train.360-*。
  • train.500: 路径为data/train.500-*。
  • train.960: 路径为data/train.960-*。