null010/common_voice_13_0_ko_pseudo_labelled

---
dataset_info:
config_name: ko
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- 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
- name: variant
dtype: string
- name: whisper_transcript
sequence: int64
splits:
- name: train
num_bytes: 6913073.0
num_examples: 192
- name: validation
num_bytes: 3327570.0
num_examples: 105
- name: test
num_bytes: 4360439.0
num_examples: 131
download_size: 13956531
dataset_size: 14601082.0
configs:
- config_name: ko
data_files:
- split: train
path: ko/train-*
- split: validation
path: ko/validation-*
- split: test
path: ko/test-*
---

数据集信息：
配置名称：ko
特征字段：
- 字段名称：client_id，数据类型：字符串
- 字段名称：path，数据类型：字符串
- 字段名称：audio，数据类型为音频格式，采样率为16000赫兹
- 字段名称：sentence，数据类型：字符串
- 字段名称：up_votes，数据类型：64位整数
- 字段名称：down_votes，数据类型：64位整数
- 字段名称：age，数据类型：字符串
- 字段名称：gender，数据类型：字符串
- 字段名称：accent，数据类型：字符串
- 字段名称：locale，数据类型：字符串
- 字段名称：segment，数据类型：字符串
- 字段名称：variant，数据类型：字符串
- 字段名称：whisper_transcript，数据类型为序列，元素类型为64位整数
拆分集：
- 名称：train（训练集），字节数：6913073.0，样本数：192
- 名称：validation（验证集），字节数：3327570.0，样本数：105
- 名称：test（测试集），字节数：4360439.0，样本数：131
下载大小：13956531
数据集总大小：14601082.0
配置项：
- 配置名称：ko，数据文件：
- 拆分集：train（训练集），路径：ko/train-*
- 拆分集：validation（验证集），路径：ko/validation-*
- 拆分集：test（测试集），路径：ko/test-*

原始信息汇总

数据集概述

数据集配置

• 配置名称: ko

特征信息

• client_id: 字符串类型
• path: 字符串类型
• audio: 音频类型，采样率为16000
• sentence: 字符串类型
• up_votes: 64位整数类型
• down_votes: 64位整数类型
• 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
• variant: 字符串类型
• whisper_transcript: 序列类型，64位整数

数据分割

• 训练集:
  • 字节数: 6913073
  • 样本数: 192
• 验证集:
  • 字节数: 3327570
  • 样本数: 105
• 测试集:
  • 字节数: 4360439
  • 样本数: 131

数据集大小

• 下载大小: 13956531
• 数据集大小: 14601082

数据文件路径

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