kotoba-speech/ThuVienThanhPhoBacGiang_tscribed_testing_whisper-large-v3

---
dataset_info:
features:
- name: audio
dtype: audio
- name: text
dtype: string
- name: duration
dtype: float64
- name: ratio
dtype: float64
- name: videoid
dtype: string
- name: key
dtype: string
- name: dataset_id
dtype: string
- name: lang
dtype: string
- name: start
dtype: float64
- name: end
dtype: float64
splits:
- name: train
num_bytes: 1363037430.723
num_examples: 1707
download_size: 1052957365
dataset_size: 1363037430.723
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：audio，数据类型：音频
- 名称：text，数据类型：字符串
- 名称：duration，数据类型：双精度浮点数（float64）
- 名称：ratio，数据类型：双精度浮点数（float64）
- 名称：videoid，数据类型：字符串
- 名称：key，数据类型：字符串
- 名称：dataset_id，数据类型：字符串
- 名称：lang，数据类型：字符串
- 名称：start，数据类型：双精度浮点数
- 名称：end，数据类型：双精度浮点数
数据集划分：
- 划分名称：train（训练集），数据字节数：1363037430.723，样本数量：1707
下载大小：1052957365 字节
数据集总大小：1363037430.723 字节
数据集配置：
- 配置名称：default（默认配置），数据文件：
- 对应划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据
• text: 文本数据，类型为字符串
• duration: 持续时间，类型为浮点数
• ratio: 比例，类型为浮点数
• videoid: 视频ID，类型为字符串
• key: 关键信息，类型为字符串
• dataset_id: 数据集ID，类型为字符串
• lang: 语言，类型为字符串
• start: 开始时间，类型为浮点数
• end: 结束时间，类型为浮点数

数据集划分

• train: 训练集
  • num_examples: 1707个样本
  • num_bytes: 1363037430.723字节

数据集大小

• download_size: 1052957365字节
• dataset_size: 1363037430.723字节

配置信息

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*