adivya/common_voice_16_1_hi_pseudo_labelled

该数据集包含音频文件路径、音频数据、句子文本、条件序列和Whisper转录文本等特征。数据集分为训练集、验证集和测试集，分别包含728、412和584个样本。数据集的下载大小为1415114907字节，总大小为1509850851字节。

The dataset includes features such as audio file paths, audio data, sentence text, conditional sequences, and Whisper transcriptions. It is divided into training, validation, and test sets, containing 728, 412, and 584 samples respectively. The download size of the dataset is 1415114907 bytes, and the total size is 1509850851 bytes.

原始信息汇总

数据集概述

配置信息

• 配置名称: hi

特征信息

• 路径:
  • 名称: path
  • 数据类型: string
• 音频:
  • 名称: audio
  • 数据类型:
    • 采样率: 16000
• 句子:
  • 名称: sentence
  • 数据类型: string
• 条件依赖:
  • 名称: condition_on_prev
  • 数据类型: int64
• Whisper转录:
  • 名称: whisper_transcript
  • 数据类型: string

数据分割

• 训练集:
  • 名称: train
  • 字节数: 641276980.0
  • 样本数: 728
• 验证集:
  • 名称: validation
  • 字节数: 362992514.0
  • 样本数: 412
• 测试集:
  • 名称: test
  • 字节数: 505581357.0
  • 样本数: 584

数据大小

• 下载大小: 1415114907
• 数据集大小: 1509850851.0

数据文件路径

• 配置名称: hi
  • 训练集: hi/train-*
  • 验证集: hi/validation-*
  • 测试集: hi/test-*