japanese-asr/ja2en.s2t_translation

---
dataset_info:
- config_name: covost2
features:
- name: client_id
dtype: string
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: transcription
dtype: string
- name: translation
dtype: string
- name: id
dtype: string
splits:
- name: test
num_bytes: 25511505.0
num_examples: 684
- name: validation
num_bytes: 24579157.0
num_examples: 635
download_size: 49765393
dataset_size: 50090662.0
- config_name: fleurs
features:
- name: sentence_id
dtype: int32
- name: num_samples
dtype: int32
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: transcription
dtype: string
- name: raw_transcription
dtype: string
- name: gender
dtype:
class_label:
names:
'0': male
'1': female
'2': other
- name: lang_id
dtype:
class_label:
names:
'0': af_za
'1': am_et
'2': ar_eg
'3': as_in
'4': ast_es
'5': az_az
'6': be_by
'7': bg_bg
'8': bn_in
'9': bs_ba
'10': ca_es
'11': ceb_ph
'12': ckb_iq
'13': cmn_hans_cn
'14': cs_cz
'15': cy_gb
'16': da_dk
'17': de_de
'18': el_gr
'19': en_us
'20': es_419
'21': et_ee
'22': fa_ir
'23': ff_sn
'24': fi_fi
'25': fil_ph
'26': fr_fr
'27': ga_ie
'28': gl_es
'29': gu_in
'30': ha_ng
'31': he_il
'32': hi_in
'33': hr_hr
'34': hu_hu
'35': hy_am
'36': id_id
'37': ig_ng
'38': is_is
'39': it_it
'40': ja_jp
'41': jv_id
'42': ka_ge
'43': kam_ke
'44': kea_cv
'45': kk_kz
'46': km_kh
'47': kn_in
'48': ko_kr
'49': ky_kg
'50': lb_lu
'51': lg_ug
'52': ln_cd
'53': lo_la
'54': lt_lt
'55': luo_ke
'56': lv_lv
'57': mi_nz
'58': mk_mk
'59': ml_in
'60': mn_mn
'61': mr_in
'62': ms_my
'63': mt_mt
'64': my_mm
'65': nb_no
'66': ne_np
'67': nl_nl
'68': nso_za
'69': ny_mw
'70': oc_fr
'71': om_et
'72': or_in
'73': pa_in
'74': pl_pl
'75': ps_af
'76': pt_br
'77': ro_ro
'78': ru_ru
'79': sd_in
'80': sk_sk
'81': sl_si
'82': sn_zw
'83': so_so
'84': sr_rs
'85': sv_se
'86': sw_ke
'87': ta_in
'88': te_in
'89': tg_tj
'90': th_th
'91': tr_tr
'92': uk_ua
'93': umb_ao
'94': ur_pk
'95': uz_uz
'96': vi_vn
'97': wo_sn
'98': xh_za
'99': yo_ng
'100': yue_hant_hk
'101': zu_za
'102': all
- name: language
dtype: string
- name: lang_group_id
dtype:
class_label:
names:
'0': western_european_we
'1': eastern_european_ee
'2': central_asia_middle_north_african_cmn
'3': sub_saharan_african_ssa
'4': south_asian_sa
'5': south_east_asian_sea
'6': chinese_japanase_korean_cjk
- name: translation
dtype: string
- name: raw_translation
dtype: string
splits:
- name: test
num_bytes: 545153848.0
num_examples: 650
- name: validation
num_bytes: 217102833.0
num_examples: 266
download_size: 758218618
dataset_size: 762256681.0
configs:
- config_name: covost2
data_files:
- split: test
path: covost2/test-*
- split: validation
path: covost2/validation-*
- config_name: fleurs
data_files:
- split: test
path: fleurs/test-*
- split: validation
path: fleurs/validation-*
---

数据集信息：
- 配置名称：covost2
特征字段：
- 字段名：client_id（客户端ID），数据类型：字符串
- 字段名：audio（音频），数据类型：
音频：采样率为16000Hz
- 字段名：transcription（转录文本），数据类型：字符串
- 字段名：translation（翻译文本），数据类型：字符串
- 字段名：id（样本ID），数据类型：字符串
数据拆分：
- 拆分名称：test，字节数：25511505.0，样本数量：684
- 拆分名称：validation，字节数：24579157.0，样本数量：635
下载大小：49765393，数据集总大小：50090662.0
- 配置名称：fleurs
特征字段：
- 字段名：sentence_id（句子ID），数据类型：int32
- 字段名：num_samples（采样点数），数据类型：int32
- 字段名：audio（音频），数据类型：
音频：采样率为16000Hz
- 字段名：transcription（转录文本），数据类型：字符串
- 字段名：raw_transcription（原始转录文本），数据类型：字符串
- 字段名：gender（性别），数据类型：
分类标签：名称对应如下：
'0': male（男性）
'1': female（女性）
'2': other（其他）
- 字段名：lang_id（语言ID），数据类型：
分类标签：名称对应如下：
'0': af_za
'1': am_et
'2': ar_eg
'3': as_in
'4': ast_es
'5': az_az
'6': be_by
'7': bg_bg
'8': bn_in
'9': bs_ba
'10': ca_es
'11': ceb_ph
'12': ckb_iq
'13': cmn_hans_cn
'14': cs_cz
'15': cy_gb
'16': da_dk
'17': de_de
'18': el_gr
'19': en_us
'20': es_419
'21': et_ee
'22': fa_ir
'23': ff_sn
'24': fi_fi
'25': fil_ph
'26': fr_fr
'27': ga_ie
'28': gl_es
'29': gu_in
'30': ha_ng
'31': he_il
'32': hi_in
'33': hr_hr
'34': hu_hu
'35': hy_am
'36': id_id
'37': ig_ng
'38': is_is
'39': it_it
'40': ja_jp
'41': jv_id
'42': ka_ge
'43': kam_ke
'44': kea_cv
'45': kk_kz
'46': km_kh
'47': kn_in
'48': ko_kr
'49': ky_kg
'50': lb_lu
'51': lg_ug
'52': ln_cd
'53': lo_la
'54': lt_lt
'55': luo_ke
'56': lv_lv
'57': mi_nz
'58': mk_mk
'59': ml_in
'60': mn_mn
'61': mr_in
'62': ms_my
'63': mt_mt
'64': my_mm
'65': nb_no
'66': ne_np
'67': nl_nl
'68': nso_za
'69': ny_mw
'70': oc_fr
'71': om_et
'72': or_in
'73': pa_in
'74': pl_pl
'75': ps_af
'76': pt_br
'77': ro_ro
'78': ru_ru
'79': sd_in
'80': sk_sk
'81': sl_si
'82': sn_zw
'83': so_so
'84': sr_rs
'85': sv_se
'86': sw_ke
'87': ta_in
'88': te_in
'89': tg_tj
'90': th_th
'91': tr_tr
'92': uk_ua
'93': umb_ao
'94': ur_pk
'95': uz_uz
'96': vi_vn
'97': wo_sn
'98': xh_za
'99': yo_ng
'100': yue_hant_hk
'101': zu_za
'102': all
- 字段名：language（语言），数据类型：字符串
- 字段名：lang_group_id（语言组ID），数据类型：
分类标签：名称对应如下：
'0': western_european_we（西欧语系）
'1': eastern_european_ee（东欧语系）
'2': central_asia_middle_north_african_cmn（中亚、中东、北非及普通话语系）
'3': sub_saharan_african_ssa（撒哈拉以南非洲语系）
'4': south_asian_sa（南亚语系）
'5': south_east_asian_sea（东南亚语系）
'6': chinese_japanase_korean_cjk（中、日、韩语系）
- 字段名：translation（翻译文本），数据类型：字符串
- 字段名：raw_translation（原始翻译文本），数据类型：字符串
数据拆分：
- 拆分名称：test，字节数：545153848.0，样本数量：650
- 拆分名称：validation，字节数：217102833.0，样本数量：266
下载大小：758218618，数据集总大小：762256681.0
配置信息：
- 配置名称：covost2，数据文件：
- 拆分test：路径为covost2/test-*
- 拆分validation：路径为covost2/validation-*
- 配置名称：fleurs，数据文件：
- 拆分test：路径为fleurs/test-*
- 拆分validation：路径为fleurs/validation-*