File size: 3,394 Bytes
da56b65
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1849232
da56b65
 
1849232
da56b65
 
 
1849232
 
 
 
 
 
 
da56b65
1849232
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
da56b65
1849232
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
---
configs:
- config_name: default
  data_files:
  - split: train
    path: data/train-*
  - split: validation
    path: data/validation-*
  - split: test
    path: data/test-*
dataset_info:
  features:
  - name: id
    dtype: int32
  - name: num_samples
    dtype: int32
  - name: path
    dtype: string
  - 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: language
    dtype: string
  - name: lang_group_id
  splits:
  - name: train
    num_bytes: 1910030202.243
    num_examples: 2283
  - name: validation
    num_bytes: 299915580
    num_examples: 368
  - name: test
    num_bytes: 732875657
    num_examples: 838
  download_size: 2915269155
  dataset_size: 2942821439.243
license: mit
task_categories:
- automatic-speech-recognition
language:
- kn
size_categories:
- 1K<n<10K
---
This is a filtered version of the [Fleurs](https://huggingface.co/datasets/google/fleurs) dataset only containing samples of Kannada language.
The dataset contains total of 2283 training, 368 validation and 838 test samples.

### Data Sample:
```python
{'id': 1053,
 'num_samples': 226560,
 'path': '/home/ravi.naik/.cache/huggingface/datasets/downloads/extracted/e7c8b501d4e6892673b6dc291d42de48e7987b0d2aa6471066a671f686224ed1/10000267636955490843.wav',
 'audio': {'path': 'train/10000267636955490843.wav',
  'array': array([ 0.        ,  0.        ,  0.        , ..., -0.00100893,
         -0.00109982, -0.00118315]),
  'sampling_rate': 16000},
 'transcription': 'ವಿದೇಶದಲ್ಲಿ ವಾಸಿಸಿದ ನಂತರ ನೀವು ನಿಮ್ಮಊರಿಗೆ ಮರಳಿದಾಗ ನೀವು ಹೊಸ ಸಂಸ್ಕೃತಿಗೆ ಹೊಂದಿಕೊಂಡಿದ್ದೀರಿ ಮತ್ತು ನಿಮ್ಮ ಕುಟುಂಬ ಸಂಸ್ಕೃತಿಯಿಂದ ಕೆಲವು ಅಭ್ಯಾಸಗಳನ್ನು ಕಳೆದುಕೊಂಡಿದ್ದೀರಿ',
 'raw_transcription': 'ವಿದೇಶದಲ್ಲಿ ವಾಸಿಸಿದ ನಂತರ ನೀವು ನಿಮ್ಮಊರಿಗೆ ಮರಳಿದಾಗ, ನೀವು ಹೊಸ ಸಂಸ್ಕೃತಿಗೆ ಹೊಂದಿಕೊಂಡಿದ್ದೀರಿ ಮತ್ತು ನಿಮ್ಮ ಕುಟುಂಬ ಸಂಸ್ಕೃತಿಯಿಂದ ಕೆಲವು ಅಭ್ಯಾಸಗಳನ್ನು ಕಳೆದುಕೊಂಡಿದ್ದೀರಿ.',
 'gender': 1,
 'lang_id': 47,
 'language': 'Kannada',
 'lang_group_id': 4}
```
### Data Fields
The data fields are the same among all splits.
- **id** (int): ID of audio sample
- **num_samples** (int): Number of float values
- **path** (str): Path to the audio file
- **audio** (dict): Audio object including loaded audio array, sampling rate and path ot audio
- **raw_transcription** (str): The non-normalized transcription of the audio file
- **transcription** (str): Transcription of the audio file
- **gender** (int): Class id of gender
- **lang_id** (int): Class id of language
- **lang_group_id** (int): Class id of language group


### Use with Datasets
```python
from datasets import load_dataset
fleurs_kn = load_dataset("Kannada-LLM-Labs/Fleurs-Kn", split="train", streaming=True)
print(next(iter(fleurs_kn)))
```