AdoCleanCode/emilia_en_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: 171221774
num_examples: 20001
- name: batch_002
num_bytes: 171574356
num_examples: 20001
- name: batch_003
num_bytes: 170686731
num_examples: 20001
- name: batch_004
num_bytes: 171157043
num_examples: 20001
- name: batch_005
num_bytes: 170896236
num_examples: 20001
- name: batch_006
num_bytes: 169248890
num_examples: 20001
- name: batch_007
num_bytes: 102011434
num_examples: 11952
download_size: 253122909
dataset_size: 1126796464
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-*
---

dataset_info:
features:
- name: 说话人ID（speaker_id）
dtype: 字符串
- name: FLAC音频文件名（flac_filename）
dtype: 字符串
- name: 完整转录文本（transcription_full）
dtype: 字符串
- name: 被移除词汇（removed_words）
dtype: 字符串
- name: 移除指定词汇后的转录文本（transcription_without_removed）
dtype: 字符串
- name: 完整音素序列（phonemes_full）
dtype: 字符串
- name: 移除指定词汇后的音素序列（phonemes_removed）
dtype: 字符串
- name: 标注音素序列（phonemes_annotated）
dtype: 字符串
- name: xcodec2 Token（xcodec2_tokens）
dtype: 字符串
- name: 序列数据（sequence）
dtype: 字符串
- name: 匹配标记（match）
dtype: 布尔值
- name: 移除片段起始时间（removed_start_time）
dtype: 64位浮点数
- name: 移除片段结束时间（removed_end_time）
dtype: 64位浮点数
splits:
- name: 批次001（batch_001）
num_bytes: 171221774
num_examples: 20001
- name: 批次002（batch_002）
num_bytes: 171574356
num_examples: 20001
- name: 批次003（batch_003）
num_bytes: 170686731
num_examples: 20001
- name: 批次004（batch_004）
num_bytes: 171157043
num_examples: 20001
- name: 批次005（batch_005）
num_bytes: 170896236
num_examples: 20001
- name: 批次006（batch_006）
num_bytes: 169248890
num_examples: 20001
- name: 批次007（batch_007）
num_bytes: 102011434
num_examples: 11952
download_size: 253122909
dataset_size: 1126796464
configs:
- config_name: 默认配置（default）
data_files:
- split: 批次001（batch_001）
path: data/batch_001-*
- split: 批次002（batch_002）
path: data/batch_002-*
- split: 批次003（batch_003）
path: data/batch_003-*
- split: 批次004（batch_004）
path: data/batch_004-*
- split: 批次005（batch_005）
path: data/batch_005-*
- split: 批次006（batch_006）
path: data/batch_006-*
- split: 批次007（batch_007）
path: data/batch_007-*