AdoCleanCode/emilia_en_train_v2

Name: AdoCleanCode/emilia_en_train_v2
Creator: AdoCleanCode
Published: 2025-12-09 06:05:50
License: 暂无描述

Hugging Face2025-12-09 更新2025-12-20 收录

下载链接：

https://hf-mirror.com/datasets/AdoCleanCode/emilia_en_train_v2

下载链接

链接失效反馈

官方服务：

资源简介：

--- dataset_info: features: - name: speaker_id dtype: string - name: flac_filename dtype: string - name: transcription_full dtype: string - name: removed_words dtype: string - name: transcription_without_removed dtype: string - name: phonemes_full dtype: string - name: phonemes_removed dtype: string - name: phonemes_annotated dtype: string - name: xcodec2_tokens dtype: string - name: sequence dtype: string - name: match dtype: bool - name: removed_start_time dtype: float64 - name: removed_end_time dtype: float64 splits: - name: batch_001 num_bytes: 171020420 num_examples: 20001 - name: batch_002 num_bytes: 171449498 num_examples: 20001 - name: batch_003 num_bytes: 170766229 num_examples: 20001 - name: batch_004 num_bytes: 170114697 num_examples: 20001 - name: batch_005 num_bytes: 170401960 num_examples: 20001 - name: batch_006 num_bytes: 170125795 num_examples: 20001 - name: batch_007 num_bytes: 102779857 num_examples: 11952 download_size: 253102977 dataset_size: 1126658456 configs: - config_name: default data_files: - split: batch_001 path: data/batch_001-* - split: batch_002 path: data/batch_002-* - split: batch_003 path: data/batch_003-* - split: batch_004 path: data/batch_004-* - split: batch_005 path: data/batch_005-* - split: batch_006 path: data/batch_006-* - split: batch_007 path: data/batch_007-* ---

数据集信息：特征： - 名称：说话人ID（speaker_id），数据类型：字符串 - 名称：FLAC音频文件名（flac_filename），数据类型：字符串 - 名称：完整转录文本（transcription_full），数据类型：字符串 - 名称：被移除词汇（removed_words），数据类型：字符串 - 名称：移除指定词汇后的转录文本（transcription_without_removed），数据类型：字符串 - 名称：完整音素序列（phonemes_full），数据类型：字符串 - 名称：被移除音素序列（phonemes_removed），数据类型：字符串 - 名称：标注音素序列（phonemes_annotated），数据类型：字符串 - 名称：XCodec2 Token序列（xcodec2_tokens），数据类型：字符串 - 名称：序列（sequence），数据类型：字符串 - 名称：匹配标记（match），数据类型：布尔值 - 名称：被移除片段起始时间（removed_start_time），数据类型：64位浮点数 - 名称：被移除片段结束时间（removed_end_time），数据类型：64位浮点数划分集： - 名称：batch_001，字节占用：171020420，样本数量：20001 - 名称：batch_002，字节占用：171449498，样本数量：20001 - 名称：batch_003，字节占用：170766229，样本数量：20001 - 名称：batch_004，字节占用：170114697，样本数量：20001 - 名称：batch_005，字节占用：170401960，样本数量：20001 - 名称：batch_006，字节占用：170125795，样本数量：20001 - 名称：batch_007，字节占用：102779857，样本数量：11952 下载总大小：253102977，数据集总大小：1126658456 配置项： - 配置名称：default（默认配置），数据文件： - 划分集：batch_001，路径：data/batch_001-* - 划分集：batch_002，路径：data/batch_002-* - 划分集：batch_003，路径：data/batch_003-* - 划分集：batch_004，路径：data/batch_004-* - 划分集：batch_005，路径：data/batch_005-* - 划分集：batch_006，路径：data/batch_006-* - 划分集：batch_007，路径：data/batch_007-*

提供机构：

AdoCleanCode