kuanhuggingface/google_tts_speech_tokenizer

---
dataset_info:
features:
- name: file_id
dtype: string
- name: instruction
dtype: string
- name: transcription
dtype: string
- name: src_speech_tokenizer_0
sequence: int64
- name: src_speech_tokenizer_1
sequence: int64
- name: src_speech_tokenizer_2
sequence: int64
- name: src_speech_tokenizer_3
sequence: int64
- name: src_speech_tokenizer_4
sequence: int64
- name: src_speech_tokenizer_5
sequence: int64
- name: src_speech_tokenizer_6
sequence: int64
- name: src_speech_tokenizer_7
sequence: int64
- name: tgt_speech_tokenizer_0
sequence: int64
- name: tgt_speech_tokenizer_1
sequence: int64
- name: tgt_speech_tokenizer_2
sequence: int64
- name: tgt_speech_tokenizer_3
sequence: int64
- name: tgt_speech_tokenizer_4
sequence: int64
- name: tgt_speech_tokenizer_5
sequence: int64
- name: tgt_speech_tokenizer_6
sequence: int64
- name: tgt_speech_tokenizer_7
sequence: int64
splits:
- name: train
num_bytes: 2475675704
num_examples: 90000
- name: validation
num_bytes: 135727316
num_examples: 5000
- name: test
num_bytes: 139731511
num_examples: 5000
download_size: 147517599
dataset_size: 2751134531
---
# Dataset Card for "google_tts_speech_tokenizer"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征项列表：
- 特征项：文件标识符（file_id），数据类型：字符串型
- 特征项：指令（instruction），数据类型：字符串型
- 特征项：语音转录文本（transcription），数据类型：字符串型
- 特征项：源语音分词器0（src_speech_tokenizer_0），数据类型：64位整数序列型
- 特征项：源语音分词器1（src_speech_tokenizer_1），数据类型：64位整数序列型
- 特征项：源语音分词器2（src_speech_tokenizer_2），数据类型：64位整数序列型
- 特征项：源语音分词器3（src_speech_tokenizer_3），数据类型：64位整数序列型
- 特征项：源语音分词器4（src_speech_tokenizer_4），数据类型：64位整数序列型
- 特征项：源语音分词器5（src_speech_tokenizer_5），数据类型：64位整数序列型
- 特征项：源语音分词器6（src_speech_tokenizer_6），数据类型：64位整数序列型
- 特征项：源语音分词器7（src_speech_tokenizer_7），数据类型：64位整数序列型
- 特征项：目标语音分词器0（tgt_speech_tokenizer_0），数据类型：64位整数序列型
- 特征项：目标语音分词器1（tgt_speech_tokenizer_1），数据类型：64位整数序列型
- 特征项：目标语音分词器2（tgt_speech_tokenizer_2），数据类型：64位整数序列型
- 特征项：目标语音分词器3（tgt_speech_tokenizer_3），数据类型：64位整数序列型
- 特征项：目标语音分词器4（tgt_speech_tokenizer_4），数据类型：64位整数序列型
- 特征项：目标语音分词器5（tgt_speech_tokenizer_5），数据类型：64位整数序列型
- 特征项：目标语音分词器6（tgt_speech_tokenizer_6），数据类型：64位整数序列型
- 特征项：目标语音分词器7（tgt_speech_tokenizer_7），数据类型：64位整数序列型
数据集划分：
- 划分名：训练集（train），字节数：2475675704，样本数量：90000
- 划分名：验证集（validation），字节数：135727316，样本数量：5000
- 划分名：测试集（test），字节数：139731511，样本数量：5000
下载大小：147517599
数据集总大小：2751134531

---
# 「google_tts_speech_tokenizer」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

##

原始信息汇总

数据集概述

特征信息

• file_id: 字符串类型
• instruction: 字符串类型
• transcription: 字符串类型
• src_speech_tokenizer_0: 整数序列类型
• src_speech_tokenizer_1: 整数序列类型
• src_speech_tokenizer_2: 整数序列类型
• src_speech_tokenizer_3: 整数序列类型
• src_speech_tokenizer_4: 整数序列类型
• src_speech_tokenizer_5: 整数序列类型
• src_speech_tokenizer_6: 整数序列类型
• src_speech_tokenizer_7: 整数序列类型
• tgt_speech_tokenizer_0: 整数序列类型
• tgt_speech_tokenizer_1: 整数序列类型
• tgt_speech_tokenizer_2: 整数序列类型
• tgt_speech_tokenizer_3: 整数序列类型
• tgt_speech_tokenizer_4: 整数序列类型
• tgt_speech_tokenizer_5: 整数序列类型
• tgt_speech_tokenizer_6: 整数序列类型
• tgt_speech_tokenizer_7: 整数序列类型

数据分割

• train:
  • 字节数: 2475675704
  • 样本数: 90000
• validation:
  • 字节数: 135727316
  • 样本数: 5000
• test:
  • 字节数: 139731511
  • 样本数: 5000

数据集大小

• 下载大小: 147517599
• 数据集大小: 2751134531