reach-vb/mls-eng-10k-repunct-test-v2

--- 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: 2182237 num_examples: 3807 download_size: 1213838 dataset_size: 2182237 configs: - config_name: default data_files: - split: dev path: data/dev-* ---数据集信息： 特征列表： - 字段名：原始路径（original_path），数据类型：字符串 - 字段名：起始时间（begin_time），数据类型：双精度浮点数 - 字段名：结束时间（end_time），数据类型：双精度浮点数 - 字段名：转录文本（transcript），数据类型：字符串 - 字段名：音频时长（audio_duration），数据类型：双精度浮点数 - 字段名：说话人ID（speaker_id），数据类型：字符串 - 字段名：书籍ID（book_id），数据类型：字符串 - 字段名：补标点文本（repunct_text），数据类型：字符串 数据集拆分： - 拆分名称：开发集（dev），占用字节数：2182237，样本数量：3807 下载大小：1213838，数据集总大小：2182237 配置项： - 配置名称：默认配置（default），数据文件： - 对应拆分：dev，文件路径：data/dev-*

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，数据集大小为2182237字节。

数据集大小

• 下载大小: 1213838字节。
• 数据集大小: 2182237字节。

配置

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