如何在HuggingFace复刻Common Voice v11的「视图」功能？

要实现你需要的视图功能，核心是先定义好数据集的关键字段，再配置视图规则，具体操作如下：

一、先规范数据集的字段定义 #

你的数据按语言存放在train/test/validate文件夹中，需要先在数据集加载脚本（通常是dataset.py）里给每条数据补充两个核心字段：

• language：标记数据所属的语言（比如"中文"、"英文"或对应代码如"zh-CN"）
• split：标记数据类型（固定为"train"/"test"/"validate"）
  同时要确保每条数据都包含client_id、audio（对应mp3文件路径）、sentence（读取对应txt的转录内容）这三个特征。

二、配置视图的筛选器与展示列 #

有两种配置方式，选顺手的操作即可：

方式1：网页可视化配置（更直观） #

1. 打开你的数据集主页，点击右上角的Settings
2. 找到Dataset viewer板块，点击Configure viewer
3. 添加筛选器：
   • 第一个筛选器选择language字段，类型设为下拉列表（Dropdown），系统会自动读取数据中的所有语言选项
   • 第二个筛选器选择split字段，同样设为下拉列表，选项固定为"train"、"test"、"validate"
4. 设置展示列：在Columns to display中勾选client_id、audio、sentence，调整顺序后保存

方式2：通过README.md元数据配置 #

在数据集的README.md开头添加一段YAML配置，HuggingFace会自动识别并应用：

---
dataset_info:
  features:
    - name: client_id
      dtype: string
    - name: audio
      dtype: audio
    - name: sentence
      dtype: string
    - name: language
      dtype: string
    - name: split
      dtype: string
  viewer:
    type: table
    columns: ["client_id", "audio", "sentence"]
    filters:
      - column: language
        type: dropdown
      - column: split
        type: dropdown
---

三、验证配置效果 #

完成配置后回到数据集的Viewer页面，就能看到：

• 顶部出现语言和数据类型的下拉筛选器
• 表格仅展示你指定的三列，音频列会自动生成播放控件

内容的提问来源于stack exchange，提问作者Michel Mesquita