AdoCleanCode/hiffi_train_edit_v0

--- 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: 88450837 num_examples: 20001 - name: batch_002 num_bytes: 87809880 num_examples: 20001 - name: batch_003 num_bytes: 87735536 num_examples: 20001 download_size: 61751622 dataset_size: 263996253 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-* ---数据集信息： 字段特征： - 名称：说话人ID（speaker_id），数据类型：字符串 - 名称：FLAC音频文件名（FLAC），数据类型：字符串 - 名称：完整转录文本，数据类型：字符串 - 名称：被移除词汇，数据类型：字符串 - 名称：移除指定词汇后的转录文本，数据类型：字符串 - 名称：完整音素序列，数据类型：字符串 - 名称：被移除词汇对应的音素序列，数据类型：字符串 - 名称：标注音素序列，数据类型：字符串 - 名称：xcodec2令牌序列（xcodec2_tokens），数据类型：字符串 - 名称：序列，数据类型：字符串 - 名称：匹配标签（match），数据类型：布尔值 - 名称：被移除片段起始时间，数据类型：双精度浮点数 - 名称：被移除片段结束时间，数据类型：双精度浮点数 数据集划分： - 名称：batch_001，字节占用：88450837，样本数量：20001 - 名称：batch_002，字节占用：87809880，样本数量：20001 - 名称：batch_003，字节占用：87735536，样本数量：20001 下载总大小：61751622 数据集总大小：263996253 配置项： - 配置名称：default（默认配置），数据文件： - 划分集：batch_001，文件路径：data/batch_001-* - 划分集：batch_002，文件路径：data/batch_002-* - 划分集：batch_003，文件路径：data/batch_003-*