AdoCleanCode/common_voice_en_mfa_train_v3

---
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: 87256627
num_examples: 20001
- name: batch_002
num_bytes: 87333817
num_examples: 20001
- name: batch_003
num_bytes: 86817406
num_examples: 20001
- name: batch_004
num_bytes: 87217267
num_examples: 20001
- name: batch_005
num_bytes: 87239413
num_examples: 20001
- name: batch_006
num_bytes: 87865746
num_examples: 20001
- name: batch_007
num_bytes: 87208152
num_examples: 20001
- name: batch_008
num_bytes: 87398636
num_examples: 20001
- name: batch_009
num_bytes: 87440663
num_examples: 20001
- name: batch_010
num_bytes: 87253559
num_examples: 20001
- name: batch_011
num_bytes: 87065096
num_examples: 20001
- name: batch_012
num_bytes: 86852805
num_examples: 20001
- name: batch_013
num_bytes: 87315841
num_examples: 20001
- name: batch_014
num_bytes: 87583453
num_examples: 20001
- name: batch_015
num_bytes: 87423202
num_examples: 20001
- name: batch_016
num_bytes: 86664456
num_examples: 20001
- name: batch_017
num_bytes: 86703070
num_examples: 20001
- name: batch_018
num_bytes: 87562232
num_examples: 20001
- name: batch_019
num_bytes: 87076230
num_examples: 20001
- name: batch_020
num_bytes: 87100553
num_examples: 20001
- name: batch_021
num_bytes: 87280508
num_examples: 20001
- name: batch_022
num_bytes: 87414206
num_examples: 20001
- name: batch_023
num_bytes: 87108064
num_examples: 20001
download_size: 440550926
dataset_size: 2006181002
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-*
- split: batch_008
path: data/batch_008-*
- split: batch_009
path: data/batch_009-*
- split: batch_010
path: data/batch_010-*
- split: batch_011
path: data/batch_011-*
- split: batch_012
path: data/batch_012-*
- split: batch_013
path: data/batch_013-*
- split: batch_014
path: data/batch_014-*
- split: batch_015
path: data/batch_015-*
- split: batch_016
path: data/batch_016-*
- split: batch_017
path: data/batch_017-*
- split: batch_018
path: data/batch_018-*
- split: batch_019
path: data/batch_019-*
- split: batch_020
path: data/batch_020-*
- split: batch_021
path: data/batch_021-*
- split: batch_022
path: data/batch_022-*
- split: batch_023
path: data/batch_023-*
---

数据集信息：
特征字段：
- 名称：说话人ID（speaker_id），数据类型：字符串（string）
- 名称：FLAC音频文件名（FLAC），数据类型：字符串（string）
- 名称：完整转录文本，数据类型：字符串（string）
- 名称：被移除词汇，数据类型：字符串（string）
- 名称：移除指定词汇后的转录文本，数据类型：字符串（string）
- 名称：完整音素序列，数据类型：字符串（string）
- 名称：被移除音素对应的词汇，数据类型：字符串（string）
- 名称：标注音素序列，数据类型：字符串（string）
- 名称：xcodec2 Token（Token），数据类型：字符串（string）
- 名称：序列，数据类型：字符串（string）
- 名称：匹配标记，数据类型：布尔值（bool）
- 名称：被移除词汇的起始时间戳，数据类型：64位双精度浮点数（float64）
- 名称：被移除词汇的结束时间戳，数据类型：64位双精度浮点数（float64）
数据集拆分：
- 拆分名称：batch_001，占用字节数：87256627，样本数量：20001
- 拆分名称：batch_002，占用字节数：87333817，样本数量：20001
- 拆分名称：batch_003，占用字节数：86817406，样本数量：20001
- 拆分名称：batch_004，占用字节数：87217267，样本数量：20001
- 拆分名称：batch_005，占用字节数：87239413，样本数量：20001
- 拆分名称：batch_006，占用字节数：87865746，样本数量：20001
- 拆分名称：batch_007，占用字节数：87208152，样本数量：20001
- 拆分名称：batch_008，占用字节数：87398636，样本数量：20001
- 拆分名称：batch_009，占用字节数：87440663，样本数量：20001
- 拆分名称：batch_010，占用字节数：87253559，样本数量：20001
- 拆分名称：batch_011，占用字节数：87065096，样本数量：20001
- 拆分名称：batch_012，占用字节数：86852805，样本数量：20001
- 拆分名称：batch_013，占用字节数：87315841，样本数量：20001
- 拆分名称：batch_014，占用字节数：87583453，样本数量：20001
- 拆分名称：batch_015，占用字节数：87423202，样本数量：20001
- 拆分名称：batch_016，占用字节数：86664456，样本数量：20001
- 拆分名称：batch_017，占用字节数：86703070，样本数量：20001
- 拆分名称：batch_018，占用字节数：87562232，样本数量：20001
- 拆分名称：batch_019，占用字节数：87076230，样本数量：20001
- 拆分名称：batch_020，占用字节数：87100553，样本数量：20001
- 拆分名称：batch_021，占用字节数：87280508，样本数量：20001
- 拆分名称：batch_022，占用字节数：87414206，样本数量：20001
- 拆分名称：batch_023，占用字节数：87108064，样本数量：20001
下载总大小：440550926 字节
数据集总占用大小：2006181002 字节
配置项：
- 配置名称：default（默认配置）
数据文件：
- 对应拆分：batch_001，文件路径：data/batch_001-*
- 对应拆分：batch_002，文件路径：data/batch_002-*
- 对应拆分：batch_003，文件路径：data/batch_003-*
- 对应拆分：batch_004，文件路径：data/batch_004-*
- 对应拆分：batch_005，文件路径：data/batch_005-*
- 对应拆分：batch_006，文件路径：data/batch_006-*
- 对应拆分：batch_007，文件路径：data/batch_007-*
- 对应拆分：batch_008，文件路径：data/batch_008-*
- 对应拆分：batch_009，文件路径：data/batch_009-*
- 对应拆分：batch_010，文件路径：data/batch_010-*
- 对应拆分：batch_011，文件路径：data/batch_011-*
- 对应拆分：batch_012，文件路径：data/batch_012-*
- 对应拆分：batch_013，文件路径：data/batch_013-*
- 对应拆分：batch_014，文件路径：data/batch_014-*
- 对应拆分：batch_015，文件路径：data/batch_015-*
- 对应拆分：batch_016，文件路径：data/batch_016-*
- 对应拆分：batch_017，文件路径：data/batch_017-*
- 对应拆分：batch_018，文件路径：data/batch_018-*
- 对应拆分：batch_019，文件路径：data/batch_019-*
- 对应拆分：batch_020，文件路径：data/batch_020-*
- 对应拆分：batch_021，文件路径：data/batch_021-*
- 对应拆分：batch_022，文件路径：data/batch_022-*
- 对应拆分：batch_023，文件路径：data/batch_023-*