AdoCleanCode/giga_mfa_train_v1

---
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: 67594886
num_examples: 20001
- name: batch_002
num_bytes: 67691212
num_examples: 20001
- name: batch_003
num_bytes: 66859131
num_examples: 20001
- name: batch_004
num_bytes: 67498141
num_examples: 20001
- name: batch_005
num_bytes: 66376950
num_examples: 20001
- name: batch_006
num_bytes: 67387250
num_examples: 20001
- name: batch_007
num_bytes: 66815769
num_examples: 20001
- name: batch_008
num_bytes: 67123657
num_examples: 20001
- name: batch_009
num_bytes: 67178933
num_examples: 20001
- name: batch_010
num_bytes: 67370054
num_examples: 20001
- name: batch_011
num_bytes: 68135469
num_examples: 20001
- name: batch_012
num_bytes: 67037182
num_examples: 20001
- name: batch_013
num_bytes: 67774691
num_examples: 20001
- name: batch_014
num_bytes: 66270846
num_examples: 20001
- name: batch_015
num_bytes: 64550155
num_examples: 19209
download_size: 225426836
dataset_size: 1005664326
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-*
---

数据集信息：
特征列表：
- 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：被移除部分的音素序列（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_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：布尔型
- 名称：被移除片段起始时间（removed_start_time），数据类型：双精度浮点数
- 名称：被移除片段结束时间（removed_end_time），数据类型：双精度浮点数
数据划分：
- 名称：batch_001，字节大小：67594886，样本数量：20001
- 名称：batch_002，字节大小：67691212，样本数量：20001
- 名称：batch_003，字节大小：66859131，样本数量：20001
- 名称：batch_004，字节大小：67498141，样本数量：20001
- 名称：batch_005，字节大小：66376950，样本数量：20001
- 名称：batch_006，字节大小：67387250，样本数量：20001
- 名称：batch_007，字节大小：66815769，样本数量：20001
- 名称：batch_008，字节大小：67123657，样本数量：20001
- 名称：batch_009，字节大小：67178933，样本数量：20001
- 名称：batch_010，字节大小：67370054，样本数量：20001
- 名称：batch_011，字节大小：68135469，样本数量：20001
- 名称：batch_012，字节大小：67037182，样本数量：20001
- 名称：batch_013，字节大小：67774691，样本数量：20001
- 名称：batch_014，字节大小：66270846，样本数量：20001
- 名称：batch_015，字节大小：64550155，样本数量：19209
下载总大小：225426836 字节
数据集总大小：1005664326 字节
配置项：
- 配置名称：default，数据文件：
- 划分batch_001：路径为data/batch_001-*
- 划分batch_002：路径为data/batch_002-*
- 划分batch_003：路径为data/batch_003-*
- 划分batch_004：路径为data/batch_004-*
- 划分batch_005：路径为data/batch_005-*
- 划分batch_006：路径为data/batch_006-*
- 划分batch_007：路径为data/batch_007-*
- 划分batch_008：路径为data/batch_008-*
- 划分batch_009：路径为data/batch_009-*
- 划分batch_010：路径为data/batch_010-*
- 划分batch_011：路径为data/batch_011-*
- 划分batch_012：路径为data/batch_012-*
- 划分batch_013：路径为data/batch_013-*
- 划分batch_014：路径为data/batch_014-*
- 划分batch_015：路径为data/batch_015-*