reach-vb/mls-eng-10k-repunct-all-spacy

---
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: 2183089
num_examples: 3807
- name: test
num_bytes: 2169166
num_examples: 3769
- name: train
num_bytes: 1385541464
num_examples: 2420047
download_size: 882080241
dataset_size: 1389893719
configs:
- config_name: default
data_files:
- split: dev
path: data/dev-*
- split: test
path: data/test-*
- split: train
path: data/train-*
---

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：包含3807个样本，总大小为2183089字节。
• test：包含3769个样本，总大小为2169166字节。
• train：包含2420047个样本，总大小为1385541464字节。

数据集大小

• 下载大小：882080241字节。
• 数据集总大小：1389893719字节。

配置文件

• 默认配置：包含开发、测试和训练数据的路径配置。
  • dev：路径格式为data/dev-*。
  • test：路径格式为data/test-*。
  • train：路径格式为data/train-*。