P1ayer-1/crash_course_subs

--- dataset_info: features: - name: channel_id dtype: string - name: channel_url dtype: string - name: video_name dtype: string - name: video_id dtype: string - name: duration dtype: int64 - name: chapters list: - name: start_time dtype: float64 - name: title dtype: string - name: end_time dtype: float64 - name: subtitles list: - name: text dtype: string - name: timestamp sequence: float64 - name: timed_subtitles sequence: sequence: string splits: - name: train num_bytes: 59167266.5573988 num_examples: 1473 download_size: 25720094 dataset_size: 59167266.5573988 --- # Dataset Card for "crash_course_subs" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息： 数据特征： - 名称：channel_id（频道ID），数据类型（dtype）：字符串 - 名称：channel_url（频道链接），数据类型（dtype）：字符串 - 名称：video_name（视频名称），数据类型（dtype）：字符串 - 名称：video_id（视频ID），数据类型（dtype）：字符串 - 名称：duration（时长），数据类型（dtype）：64位整型 - 名称：chapters（章节信息），数据类型为列表，其元素包含： - 名称：start_time（开始时间），数据类型（dtype）：64位浮点型 - 名称：title（章节标题），数据类型（dtype）：字符串 - 名称：end_time（结束时间），数据类型（dtype）：64位浮点型 - 名称：subtitles（字幕数据），数据类型为列表，其元素包含： - 名称：text（字幕文本），数据类型（dtype）：字符串 - 名称：timestamp（时间戳），数据类型（dtype）为64位浮点型序列 - 名称：timed_subtitles（带时间戳字幕），数据类型（dtype）为序列，其内部元素为字符串序列 数据集划分： - 名称：train（训练集），字节数：59167266.5573988，样本数：1473 下载大小：25720094 数据集总字节数：59167266.5573988 --- # 「crash_course_subs」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

数据集名称

• 名称: crash_course_subs

数据集特征

• channel_id: 字符串类型
• channel_url: 字符串类型
• video_name: 字符串类型
• video_id: 字符串类型
• duration: 整数类型
• chapters: 列表类型，包含以下子特征：
  • start_time: 浮点数类型
  • title: 字符串类型
  • end_time: 浮点数类型
• subtitles: 列表类型，包含以下子特征：
  • text: 字符串类型
  • timestamp: 序列类型，浮点数
• timed_subtitles: 序列类型，字符串序列

数据集分割

• train:
  • num_bytes: 59167266.5573988
  • num_examples: 1473

数据集大小

• download_size: 25720094
• dataset_size: 59167266.5573988

搜集汇总

背景与挑战

背景概述

该数据集包含Crash Course系列视频的字幕和章节信息，涵盖教育主题如历史、科学等，提供结构化文本数据用于分析和处理。数据集规模为1,473行，以parquet格式存储，适用于自然语言处理或教育应用场景。