reach-vb/mls-eng-10k-repunct-test-v7

---
dataset_info:
features:
- name: original_path
dtype: string
- name: begin_time
dtype: float64
- name: end_time
dtype: float64
- name: transcript
dtype: string
- name: audio_duration
dtype: float64
- name: speaker_id
dtype: string
- name: book_id
dtype: string
- name: repunct_text
dtype: string
splits:
- name: dev
num_bytes: 2202552
num_examples: 3807
download_size: 1220861
dataset_size: 2202552
configs:
- config_name: default
data_files:
- split: dev
path: data/dev-*
---

数据集信息：
特征字段：
- 字段名：原始文件路径（original_path），数据类型：字符串（string）
- 字段名：起始时间（begin_time），数据类型：64位浮点型（float64）
- 字段名：结束时间（end_time），数据类型：64位浮点型（float64）
- 字段名：转录文本（transcript），数据类型：字符串（string）
- 字段名：音频时长（audio_duration），数据类型：64位浮点型（float64）
- 字段名：说话人ID（speaker_id），数据类型：字符串（string）
- 字段名：书籍ID（book_id），数据类型：字符串（string）
- 字段名：标点修正文本（repunct_text），数据类型：字符串（string）
数据划分：
- 划分名称：开发集（dev），占用字节数：2202552，样本总数：3807
下载大小：1220861
数据集总大小：2202552
配置项：
- 配置名称：默认（default），数据文件：
- 对应数据划分：开发集，文件路径：data/dev-*

原始信息汇总

数据集概述

数据集特征

• original_path: 数据类型为字符串
• begin_time: 数据类型为浮点数
• end_time: 数据类型为浮点数
• transcript: 数据类型为字符串
• audio_duration: 数据类型为浮点数
• speaker_id: 数据类型为字符串
• book_id: 数据类型为字符串
• repunct_text: 数据类型为字符串

数据集分割

• dev:
  • 数据大小: 2202552字节
  • 示例数量: 3807

数据集大小

• 下载大小: 1220861字节
• 数据集大小: 2202552字节

配置

• default:
  • 数据文件路径: data/dev-*