metadata
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
num_examples: 600
download_size: 702412597
dataset_size: 734573800.56
Dataset Card for "asosoft-speech"
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. |