baohuynhbk14/vietnamese-speech-to-text-preprocessed-whisper-large-v3

---
dataset_info:
features:
- name: input_features
sequence:
sequence: float32
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 111866183168
num_examples: 72787
- name: test
num_bytes: 1982292944
num_examples: 1290
download_size: 26586732678
dataset_size: 113848476112
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
1. 特征字段：
- 输入特征（input_features）：采用嵌套序列结构，内层序列的元素类型为单精度浮点数（float32）
- 标签（labels）：为64位整数（int64）类型的序列
2. 数据集划分：
- 训练集（train）：占用存储空间为111866183168字节，共包含72787个样本
- 测试集（test）：占用存储空间为1982292944字节，共包含1290个样本
3. 全局参数：下载总大小为26586732678字节，数据集整体占用存储空间为113848476112字节
4. 配置项：
- 默认配置（default）对应的数据文件路径如下：
- 训练集：`data/train-*`
- 测试集：`data/test-*`

原始信息汇总

数据集概述

数据特征

• 输入特征 (input_features): 序列类型，数据类型为 float32
• 标签 (labels): 序列类型，数据类型为 int64

数据划分

• 训练集 (train):
  • 字节数: 111866183168
  • 样本数: 72787
• 测试集 (test):
  • 字节数: 1982292944
  • 样本数: 1290

数据大小

• 下载大小: 26586732678 字节
• 数据集大小: 113848476112 字节

配置

• 默认配置 (default):
  • 训练集文件路径: data/train-*
  • 测试集文件路径: data/test-*