reach-vb/mls-eng-10k-repunct-test-v4

该数据集包含音频文件的元数据和转录文本，具体特征包括原始路径、开始时间、结束时间、转录文本、音频时长、说话者ID、书籍ID和重新标点文本。数据集仅包含一个开发集（dev），共有3807个样本，文件大小为2182587字节。下载大小为1221776字节，数据集总大小为2182587字节。默认配置下，开发集的数据文件路径为data/dev-*。

原始信息汇总

数据集概述

数据集特征

• original_path：字符串类型
• begin_time：浮点数类型
• end_time：浮点数类型
• transcript：字符串类型
• audio_duration：浮点数类型
• speaker_id：字符串类型
• book_id：字符串类型
• repunct_text：字符串类型

数据集划分

• dev：
  • 示例数量：3807
  • 数据大小：2182587字节

数据集大小

• 下载大小：1221776字节
• 数据集总大小：2182587字节

配置信息

• config_name：default
• data_files：
  • split：dev
  • path：data/dev-*