yi-ching/common_voice_13_0_zh_pseudo_labelled_medium

---
dataset_info:
config_name: zh-TW
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: 160449911.447
num_examples: 6799
- name: validation
num_bytes: 122856614.375
num_examples: 4825
- name: test
num_bytes: 142160328.375
num_examples: 4825
download_size: 398288303
dataset_size: 425466854.197
configs:
- config_name: zh-TW
data_files:
- split: train
path: zh-TW/train-*
- split: validation
path: zh-TW/validation-*
- split: test
path: zh-TW/test-*
---

数据集信息：
配置名称：zh-TW（繁体中文）
特征：
- 名称：客户端ID（client_id），数据类型：字符串
- 名称：文件路径（path），数据类型：字符串
- 名称：音频（audio），数据类型：
音频：
采样率（sampling_rate）：16000
- 名称：转录文本（sentence），数据类型：字符串
- 名称：赞成票数（up_votes），数据类型：64位整数（int64）
- 名称：反对票数（down_votes），数据类型：64位整数（int64）
- 名称：年龄（age），数据类型：字符串
- 名称：性别（gender），数据类型：字符串
- 名称：口音（accent），数据类型：字符串
- 名称：语言区域（locale），数据类型：字符串
- 名称：片段（segment），数据类型：字符串
- 名称：变体（variant），数据类型：字符串
- 名称：Whisper转录序列（whisper_transcript），数据类型：64位整数序列
数据集划分：
- 名称：训练集（train），字节大小：160449911.447，样本数量：6799
- 名称：验证集（validation），字节大小：122856614.375，样本数量：4825
- 名称：测试集（test），字节大小：142160328.375，样本数量：4825
下载总大小：398288303
数据集总大小：425466854.197
配置项：
- 配置名称：zh-TW（繁体中文）
数据文件：
- 划分：训练集（train），路径：zh-TW/train-*
- 划分：验证集（validation），路径：zh-TW/validation-*
- 划分：测试集（test），路径：zh-TW/test-*

原始信息汇总

数据集概述

数据集信息

• 配置名称: zh-TW
• 特征:
  • 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

数据集划分

• 训练集:
  • 字节数: 160449911.447
  • 样本数: 6799
• 验证集:
  • 字节数: 122856614.375
  • 样本数: 4825
• 测试集:
  • 字节数: 142160328.375
  • 样本数: 4825

数据集大小

• 下载大小: 398288303
• 数据集大小: 425466854.197

配置信息

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