Menlo/raw-speech-whispervq-v2

---
dataset_info:
- config_name: dutch
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 3129087752
num_examples: 374287
download_size: 574575043
dataset_size: 3129087752
- config_name: english
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 20134474501
num_examples: 2420047
download_size: 3786301162
dataset_size: 20134474501
- config_name: french
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 2168482757
num_examples: 258213
download_size: 401737677
dataset_size: 2168482757
- config_name: german
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 3957952347
num_examples: 469942
download_size: 701424594
dataset_size: 3957952347
- config_name: italian
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 518527170
num_examples: 62133
download_size: 94846254
dataset_size: 518527170
- config_name: polish
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 217204197
num_examples: 26083
download_size: 40512114
dataset_size: 217204197
- config_name: portuguese
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 338470564
num_examples: 39230
download_size: 62422578
dataset_size: 338470564
- config_name: spanish
features:
- name: source
dtype: string
- name: tokens
sequence: int64
- name: index
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 1846859432
num_examples: 220701
download_size: 346253619
dataset_size: 1846859432
configs:
- config_name: dutch
data_files:
- split: train
path: dutch/train-*
- config_name: english
data_files:
- split: train
path: english/train-*
- config_name: french
data_files:
- split: train
path: french/train-*
- config_name: german
data_files:
- split: train
path: german/train-*
- config_name: italian
data_files:
- split: train
path: italian/train-*
- config_name: polish
data_files:
- split: train
path: polish/train-*
- config_name: portuguese
data_files:
- split: train
path: portuguese/train-*
- config_name: spanish
data_files:
- split: train
path: spanish/train-*
---

数据集信息：
- 配置名称：荷兰语（dutch）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：3129087752，样本数量：374287
下载大小：574575043，数据集总大小：3129087752
- 配置名称：英语（english）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：20134474501，样本数量：2420047
下载大小：3786301162，数据集总大小：20134474501
- 配置名称：法语（french）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：2168482757，样本数量：258213
下载大小：401737677，数据集总大小：2168482757
- 配置名称：德语（german）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：3957952347，样本数量：469942
下载大小：701424594，数据集总大小：3957952347
- 配置名称：意大利语（italian）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：518527170，样本数量：62133
下载大小：94846254，数据集总大小：518527170
- 配置名称：波兰语（polish）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：217204197，样本数量：26083
下载大小：40512114，数据集总大小：217204197
- 配置名称：葡萄牙语（portuguese）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：338470564，样本数量：39230
下载大小：62422578，数据集总大小：338470564
- 配置名称：西班牙语（spanish）
特征：
- 名称：source，数据类型：字符串（string）
- 名称：Token（Token），数据类型：int64类型序列
- 名称：index，数据类型：int64
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：1846859432，样本数量：220701
下载大小：346253619，数据集总大小：1846859432
数据集配置：
- 配置名称：荷兰语（dutch）
数据文件：
- 划分：训练集（train），路径：dutch/train-*
- 配置名称：英语（english）
数据文件：
- 划分：训练集（train），路径：english/train-*
- 配置名称：法语（french）
数据文件：
- 划分：训练集（train），路径：french/train-*
- 配置名称：德语（german）
数据文件：
- 划分：训练集（train），路径：german/train-*
- 配置名称：意大利语（italian）
数据文件：
- 划分：训练集（train），路径：italian/train-*
- 配置名称：波兰语（polish）
数据文件：
- 划分：训练集（train），路径：polish/train-*
- 配置名称：葡萄牙语（portuguese）
数据文件：
- 划分：训练集（train），路径：portuguese/train-*
- 配置名称：西班牙语（spanish）
数据文件：
- 划分：训练集（train），路径：spanish/train-*