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-*。