etornam/fleurs_all

---
dataset_info:
features:
- name: id
dtype: int32
- name: num_samples
dtype: int32
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: transcription
dtype: string
- name: raw_transcription
dtype: string
- name: gender
dtype:
class_label:
names:
'0': male
'1': female
'2': other
- name: lang_id
dtype:
class_label:
names:
'0': af_za
'1': am_et
'2': ar_eg
'3': as_in
'4': ast_es
'5': az_az
'6': be_by
'7': bg_bg
'8': bn_in
'9': bs_ba
'10': ca_es
'11': ceb_ph
'12': ckb_iq
'13': cmn_hans_cn
'14': cs_cz
'15': cy_gb
'16': da_dk
'17': de_de
'18': el_gr
'19': en_us
'20': es_419
'21': et_ee
'22': fa_ir
'23': ff_sn
'24': fi_fi
'25': fil_ph
'26': fr_fr
'27': ga_ie
'28': gl_es
'29': gu_in
'30': ha_ng
'31': he_il
'32': hi_in
'33': hr_hr
'34': hu_hu
'35': hy_am
'36': id_id
'37': ig_ng
'38': is_is
'39': it_it
'40': ja_jp
'41': jv_id
'42': ka_ge
'43': kam_ke
'44': kea_cv
'45': kk_kz
'46': km_kh
'47': kn_in
'48': ko_kr
'49': ky_kg
'50': lb_lu
'51': lg_ug
'52': ln_cd
'53': lo_la
'54': lt_lt
'55': luo_ke
'56': lv_lv
'57': mi_nz
'58': mk_mk
'59': ml_in
'60': mn_mn
'61': mr_in
'62': ms_my
'63': mt_mt
'64': my_mm
'65': nb_no
'66': ne_np
'67': nl_nl
'68': nso_za
'69': ny_mw
'70': oc_fr
'71': om_et
'72': or_in
'73': pa_in
'74': pl_pl
'75': ps_af
'76': pt_br
'77': ro_ro
'78': ru_ru
'79': sd_in
'80': sk_sk
'81': sl_si
'82': sn_zw
'83': so_so
'84': sr_rs
'85': sv_se
'86': sw_ke
'87': ta_in
'88': te_in
'89': tg_tj
'90': th_th
'91': tr_tr
'92': uk_ua
'93': umb_ao
'94': ur_pk
'95': uz_uz
'96': vi_vn
'97': wo_sn
'98': xh_za
'99': yo_ng
'100': yue_hant_hk
'101': zu_za
'102': all
- name: language
dtype: string
- name: lang_group_id
dtype:
class_label:
names:
'0': western_european_we
'1': eastern_european_ee
'2': central_asia_middle_north_african_cmn
'3': sub_saharan_african_ssa
'4': south_asian_sa
'5': south_east_asian_sea
'6': chinese_japanase_korean_cjk
splits:
- name: train
num_bytes: 227088077024.558
num_examples: 271798
- name: validation
num_bytes: 27456597032.204
num_examples: 34452
- name: test
num_bytes: 65211223126.9
num_examples: 77810
download_size: 315287189080
dataset_size: 319755897183.66205
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
license: cc
---

Expanded version of [google/fleurs](https://huggingface.co/datasets/google/fleurs).

Refer the original dataset for ([google/fleurs](https://huggingface.co/datasets/google/fleurs)) for citation and original license information.

数据集信息：
特征列表：
- 名称：id，数据类型：int32（32位整数）
- 名称：num_samples，数据类型：int32（32位整数）
- 名称：path，数据类型：string（字符串）
- 名称：audio，数据类型：音频（audio），参数为采样率（sampling_rate）：16000
- 名称：transcription，数据类型：string（字符串）
- 名称：raw_transcription，数据类型：string（字符串）
- 名称：gender，数据类型：类别标签（class_label），类别映射为：0: male（男性），1: female（女性），2: other（其他）
- 名称：lang_id，数据类型：类别标签（class_label），类别名称如下：
0: af_za（南非荷兰语），1: am_et（阿姆哈拉语），2: ar_eg（埃及阿拉伯语），3: as_in（阿萨姆语），4: ast_es（阿斯图里亚斯语），5: az_az（阿塞拜疆语），6: be_by（白俄罗斯语），7: bg_bg（保加利亚语），8: bn_in（孟加拉语），9: bs_ba（波斯尼亚语），10: ca_es（加泰罗尼亚语），11: ceb_ph（宿务语），12: ckb_iq（伊拉克库尔德语），13: cmn_hans_cn（中国大陆简体中文），14: cs_cz（捷克语），15: cy_gb（威尔士语），16: da_dk（丹麦语），17: de_de（德语），18: el_gr（希腊语），19: en_us（美式英语），20: es_419（拉丁美洲西班牙语），21: et_ee（爱沙尼亚语），22: fa_ir（波斯语），23: ff_sn（塞内加尔富拉尼语），24: fi_fi（芬兰语），25: fil_ph（菲律宾他加禄语），26: fr_fr（法语），27: ga_ie（爱尔兰语），28: gl_es（加利西亚语），29: gu_in（古吉拉特语），30: ha_ng（豪萨语），31: he_il（希伯来语），32: hi_in（印地语），33: hr_hr（克罗地亚语），34: hu_hu（匈牙利语），35: hy_am（亚美尼亚语），36: id_id（印度尼西亚语），37: ig_ng（伊博语），38: is_is（冰岛语），39: it_it（意大利语），40: ja_jp（日语），41: jv_id（爪哇语），42: ka_ge（格鲁吉亚语），43: kam_ke（卡姆巴语），44: kea_cv（卡布韦尔多语），45: kk_kz（哈萨克语），46: km_kh（高棉语），47: kn_in（卡纳达语），48: ko_kr（韩语），49: ky_kg（吉尔吉斯语），50: lb_lu（卢森堡语），51: lg_ug（卢干达语），52: ln_cd（林加拉语），53: lo_la（老挝语），54: lt_lt（立陶宛语），55: luo_ke（卢奥语），56: lv_lv（拉脱维亚语），57: mi_nz（毛利语），58: mk_mk（马其顿语），59: ml_in（马拉雅拉姆语），60: mn_mn（蒙古语），61: mr_in（马拉地语），62: ms_my（马来语），63: mt_mt（马耳他语），64: my_mm（缅甸语），65: nb_no（挪威博克马尔语），66: ne_np（尼泊尔语），67: nl_nl（荷兰语），68: nso_za（北索托语），69: ny_mw（齐切瓦语），70: oc_fr（奥克西坦语），71: om_et（奥罗莫语），72: or_in（奥里亚语），73: pa_in（旁遮普语），74: pl_pl（波兰语），75: ps_af（普什图语），76: pt_br（巴西葡萄牙语），77: ro_ro（罗马尼亚语），78: ru_ru（俄语），79: sd_in（信德语），80: sk_sk（斯洛伐克语），81: sl_si（斯洛文尼亚语），82: sn_zw（绍纳语），83: so_so（索马里语），84: sr_rs（塞尔维亚语），85: sv_se（瑞典语），86: sw_ke（斯瓦希里语），87: ta_in（泰米尔语），88: te_in（泰卢固语），89: tg_tj（塔吉克语），90: th_th（泰语），91: tr_tr（土耳其语），92: uk_ua（乌克兰语），93: umb_ao（姆本杜语），94: ur_pk（乌尔都语），95: uz_uz（乌兹别克语），96: vi_vn（越南语），97: wo_sn（沃洛夫语），98: xh_za（科萨语），99: yo_ng（约鲁巴语），100: yue_hant_hk（香港繁体粤语），101: zu_za（祖鲁语），102: all（全部）
- 名称：language，数据类型：string（字符串）
- 名称：lang_group_id，数据类型：类别标签（class_label），类别名称如下：
0: western_european_we（西欧语系），1: eastern_european_ee（东欧语系），2: central_asia_middle_north_african_cmn（中亚、中东及北非与汉语语系），3: sub_saharan_african_ssa（撒哈拉以南非洲语系），4: south_asian_sa（南亚语系），5: south_east_asian_sea（东南亚语系），6: chinese_japanese_korean_cjk（中、日、韩语系）
划分集：
- 名称：train（训练集），数据字节数：227088077024.558，样本数量：271798
- 名称：validation（验证集），数据字节数：27456597032.204，样本数量：34452
- 名称：test（测试集），数据字节数：65211223126.9，样本数量：77810
下载总大小：315287189080
数据集总占用空间：319755897183.66205
配置项：
- 配置名称：default（默认配置），数据文件路径：
- 训练集：data/train-*
- 验证集：data/validation-*
- 测试集：data/test-*
许可证：cc

本数据集为[google/fleurs](https://huggingface.co/datasets/google/fleurs)的扩展版本。请参考原始数据集[google/fleurs](https://huggingface.co/datasets/google/fleurs)获取引用方式及原始许可证相关信息。