AdoCleanCode/msp-podcast_mfa_train_v0

---
dataset_info:
features:
- name: sequence
dtype: string
- name: transcription_full
dtype: string
- name: removed_words
dtype: string
- name: phonemes_annotated
dtype: string
- name: xcodec2_tokens
dtype: string
splits:
- name: batch_001
num_bytes: 269477448
num_examples: 60000
- name: batch_002
num_bytes: 47679378
num_examples: 10504
download_size: 127330057
dataset_size: 317156826
configs:
- config_name: default
data_files:
- split: batch_001
path: data/batch_001-*
- split: batch_002
path: data/batch_002-*
---

数据集信息：
特征：
- 字段名：sequence（序列），数据类型：字符串
- 字段名：transcription_full（完整转录文本），数据类型：字符串
- 字段名：removed_words（移除词汇），数据类型：字符串
- 字段名：phonemes_annotated（标注音素），数据类型：字符串
- 字段名：xcodec2_tokens（xcodec2 Token），数据类型：字符串
数据拆分：
- 拆分名称：batch_001（批次001）：字节大小为269477448，样本数量为60000
- 拆分名称：batch_002（批次002）：字节大小为47679378，样本数量为10504
下载大小：127330057，数据集总大小：317156826
配置项：
- 配置名称：default（默认配置），数据文件：
- 对应拆分batch_001：数据路径为 data/batch_001-*
- 对应拆分batch_002：数据路径为 data/batch_002-*