hezarai/common-voice-13-fa

CommonVoice 13 (Persian)数据集是CommonVoice 13数据集的波斯语部分，用于自动语音识别任务。数据集包含波斯语的音频文件及其对应的文本句子，以及用户投票、年龄、性别、口音、地区、片段和变体等信息。数据集分为训练集、验证集和测试集，分别包含28024、10440和10440个样本。音频文件的采样率为48000 Hz。

原始信息汇总

CommonVoice 13 (Persian) 数据集概述

基本信息

• 语言: 波斯语 (fa)
• 数据量: 10K<n<100K
• 任务类别: 自动语音识别 (automatic-speech-recognition)
• 标签: hezar

数据集特征

• 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
• variant: 字符串类型

数据集分割

• 训练集 (train):
  • 字节数: 678881126.0
  • 样本数: 28024
• 验证集 (validation):
  • 字节数: 316339631.0
  • 样本数: 10440
• 测试集 (test):
  • 字节数: 403122439.0
  • 样本数: 10440

数据集大小

• 下载大小: 1343358221
• 数据集大小: 1398343196.0

配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*