Rounak28/bengaliAI-preprocessed-whisper-medium-100000-150000

---
dataset_info:
features:
- name: id
dtype: string
- name: sentence
dtype: string
- name: split
dtype: string
- name: input_features
sequence:
sequence: float32
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 48065723126
num_examples: 50000
download_size: 6849736919
dataset_size: 48065723126
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "bengaliAI-preprocessed-whisper-medium-100000-150000"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 名称：id，数据类型：字符串（string）
- 名称：sentence（句子），数据类型：字符串（string）
- 名称：split（数据集划分），数据类型：字符串（string）
- 名称：input_features（输入特征），数据类型：嵌套序列，内层序列为float32类型
- 名称：labels（标签），数据类型：int64类型序列
数据集划分：
- 划分名称：train（训练集），字节数：48065723126，样本数：50000
下载大小：6849736919
数据集存储大小：48065723126
配置项：
- 配置名称：default（默认配置），数据文件：
- 数据集划分：train（训练集），路径：data/train-*

# 「bengaliAI-preprocessed-whisper-medium-100000-150000」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

数据集信息

特征

• id: 字符串类型
• sentence: 字符串类型
• split: 字符串类型
• input_features: 序列类型，包含float32类型数据
• labels: 序列类型，包含int64类型数据

分割

• train: 包含50000个样本，总字节数为48065723126

大小

• 下载大小: 6849736919字节
• 数据集大小: 48065723126字节

配置

• default: 包含训练数据文件，路径为data/train-*