AdoCleanCode/portuguese-multi-mfa-train_v0

---
dataset_info:
features:
- name: sequence
dtype: string
- name: transcription_full
dtype: string
- name: transcription_original
dtype: string
- name: removed_words
dtype: string
- name: phonemes_annotated
dtype: string
- name: phonemes_actual
dtype: string
- name: xcodec2_tokens
dtype: string
- name: left_audio
dtype:
audio:
sampling_rate: 16000
- name: removed_audio
dtype:
audio:
sampling_rate: 16000
- name: right_audio
dtype:
audio:
sampling_rate: 16000
- name: full_audio
dtype:
audio:
sampling_rate: 16000
splits:
- name: batch_001
num_bytes: 41687312.0
num_examples: 64
download_size: 40055476
dataset_size: 41687312.0
configs:
- config_name: default
data_files:
- split: batch_001
path: data/batch_001-*
---

数据集信息：
数据特征：
- 字段名：sequence，中文释义：序列，数据类型：字符串
- 字段名：transcription_full，中文释义：完整转录文本，数据类型：字符串
- 字段名：transcription_original，中文释义：原始转录文本，数据类型：字符串
- 字段名：removed_words，中文释义：移除词汇，数据类型：字符串
- 字段名：phonemes_annotated，中文释义：标注音素，数据类型：字符串
- 字段名：phonemes_actual，中文释义：实际音素，数据类型：字符串
- 字段名：xcodec2_tokens，中文释义：xcodec2 Token，数据类型：字符串
- 字段名：left_audio，中文释义：左声道音频，数据类型：音频，采样率为16000 Hz
- 字段名：removed_audio，中文释义：移除片段音频，数据类型：音频，采样率为16000 Hz
- 字段名：right_audio，中文释义：右声道音频，数据类型：音频，采样率为16000 Hz
- 字段名：full_audio，中文释义：完整音频，数据类型：音频，采样率为16000 Hz
数据划分：
- 划分名称：batch_001，占用字节数：41687312.0，样本总量：64
下载大小：40055476 字节
数据集总大小：41687312.0 字节
配置项：
- 配置名称：default，数据文件配置：
- 对应划分：batch_001，文件路径：data/batch_001-*