shunyalabs/cantonese-speech-dataset

---
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: transcript
dtype: string
splits:
- name: train
num_bytes: 1673421912.887
num_examples: 1939
- name: validation
num_bytes: 263012051.0
num_examples: 362
- name: test
num_bytes: 610685102.0
num_examples: 819
download_size: 2541620700
dataset_size: 2547119065.887
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：audio（音频），数据类型：
音频属性：
采样率：16000 Hz
- 名称：transcript（转录文本），数据类型：字符串
数据集拆分：
- 名称：train（训练集），字节占用量：1673421912.887，样本数：1939
- 名称：validation（验证集），字节占用量：263012051.0，样本数：362
- 名称：test（测试集），字节占用量：610685102.0，样本数：819
下载总大小：2541620700，数据集总占用大小：2547119065.887
配置项：
- 配置名称：default（默认配置），数据文件：
- 拆分：train（训练集），路径：data/train-*
- 拆分：validation（验证集），路径：data/validation-*
- 拆分：test（测试集），路径：data/test-*