salahyahya/data

---
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 48000
- 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
splits:
- name: train
num_bytes: 435602356.97
num_examples: 12135
- name: test
num_bytes: 294072285.056
num_examples: 7016
- name: validation
num_bytes: 280064561.288
num_examples: 7016
- name: other
num_bytes: 4177997844.54
num_examples: 125337
- name: invalidated
num_bytes: 2447546180.6
num_examples: 61200
download_size: 7550813979
dataset_size: 7635283228.454
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
- split: other
path: data/other-*
- split: invalidated
path: data/invalidated-*
---

数据集信息：
特征字段：
- 名称：client_id（客户端ID），数据类型：字符串
- 名称：path（文件路径），数据类型：字符串
- 名称：audio（音频），数据类型：音频格式，采样率为48000
- 名称：sentence（句子文本），数据类型：字符串
- 名称：up_votes（正向投票数），数据类型：64位整数
- 名称：down_votes（负向投票数），数据类型：64位整数
- 名称：age（年龄信息），数据类型：字符串
- 名称：gender（性别信息），数据类型：字符串
- 名称：accent（口音信息），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
数据划分子集：
- 子集名称：train（训练集），占用字节数：435602356.97，样本数量：12135
- 子集名称：test（测试集），占用字节数：294072285.056，样本数量：7016
- 子集名称：validation（验证集），占用字节数：280064561.288，样本数量：7016
- 子集名称：other（其他子集），占用字节数：4177997844.54，样本数量：125337
- 子集名称：invalidated（无效子集），占用字节数：2447546180.6，样本数量：61200
总下载大小：7550813979 字节
数据集总占用大小：7635283228.454 字节
配置项：
- 配置名称：default（默认配置），数据文件路径对应如下：
- train（训练集）：data/train-*
- test（测试集）：data/test-*
- validation（验证集）：data/validation-*
- other（其他子集）：data/other-*
- invalidated（无效子集）：data/invalidated-*

原始信息汇总

数据集概述

数据特征

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为48000
• sentence: 字符串类型
• up_votes: 整数类型
• down_votes: 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

数据分割

• train: 字节数为435602356.97，样本数为12135
• test: 字节数为294072285.056，样本数为7016
• validation: 字节数为280064561.288，样本数为7016
• other: 字节数为4177997844.54，样本数为125337
• invalidated: 字节数为2447546180.6，样本数为61200

数据集大小

• 下载大小: 7550813979字节
• 数据集大小: 7635283228.454字节

配置

• default配置包含以下数据文件：
  • train: 路径为data/train-*
  • test: 路径为data/test-*
  • validation: 路径为data/validation-*
  • other: 路径为data/other-*
  • invalidated: 路径为data/invalidated-*