|
--- |
|
dataset_info: |
|
features: |
|
- name: audio |
|
dtype: audio |
|
- name: transcription |
|
dtype: string |
|
- name: duration |
|
dtype: float64 |
|
splits: |
|
- name: train |
|
num_bytes: 621160243.56 |
|
num_examples: 3240 |
|
- name: test |
|
num_bytes: 113413557.0 |
|
num_examples: 600 |
|
download_size: 702412597 |
|
dataset_size: 734573800.56 |
|
--- |
|
# Dataset Card for "asosoft-speech" |
|
|
|
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) |
|
|
|
Fixing test set transcriptions that don't match the audio: |
|
|
|
| Row | Original Reference | Corrected Reference | |
|
|-----|-------------------|---------------------| |
|
| 49 | ئەو کلیپە بریتییە لە چیرۆکی خۆشەویستییەکی قووڵ کە بە خیانەت کۆتایی پێدێت | ئەو کلیپە بریتییە لە چیرۆکێکی خۆشەویستی قوڵ کە بە خەیانەت کۆتایی پێدێت | |
|
| 432 | یاسای بودجەی عێراق لە بەرژەوەندیی هاوڵاتییانی هەرێمی کوردستانە | Removed due to the first two words being cut off in the recording | |
|
| 433| کۆمپانیای دەرهێنانی نەوت گەشبینە بە کارکردنی لە هەرێمی کوردستان. | Removed due to the first word being cut off in the recording | |
|
| 434 | حکوومەتی ئێران بە فەرمی ناوی دراوی وڵات دەکات بە تمەن | Removed due to the first word being cut off in the recording | |
|
| 485 | ئێمە پێشنیاری گۆڕانکاری لە بڕگەی چوارەمی پڕۆژەکەدا دەکەین.| پێشنیاری گۆڕانکاری لە بڕگەی چوارەمی پڕۆژەکەدا دەکەین. | |
|
|
