AdoCleanCode/giga_mfa_train_v2

---
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: 67925224
num_examples: 20001
- name: batch_002
num_bytes: 67592015
num_examples: 20001
- name: batch_003
num_bytes: 66834788
num_examples: 20001
- name: batch_004
num_bytes: 67525002
num_examples: 20001
- name: batch_005
num_bytes: 67561959
num_examples: 20001
- name: batch_006
num_bytes: 67722098
num_examples: 20001
- name: batch_007
num_bytes: 67370260
num_examples: 20001
- name: batch_008
num_bytes: 68205208
num_examples: 20001
- name: batch_009
num_bytes: 67068952
num_examples: 20001
- name: batch_010
num_bytes: 67675612
num_examples: 20001
- name: batch_011
num_bytes: 67621089
num_examples: 20001
- name: batch_012
num_bytes: 67004164
num_examples: 20001
- name: batch_013
num_bytes: 67408586
num_examples: 20001
- name: batch_014
num_bytes: 68325946
num_examples: 20001
- name: batch_015
num_bytes: 68171596
num_examples: 20001
- name: batch_016
num_bytes: 68543056
num_examples: 20001
- name: batch_017
num_bytes: 67994187
num_examples: 20001
- name: batch_018
num_bytes: 68079621
num_examples: 20001
- name: batch_019
num_bytes: 67676515
num_examples: 20001
- name: batch_020
num_bytes: 67014933
num_examples: 20001
- name: batch_021
num_bytes: 67202170
num_examples: 20001
- name: batch_022
num_bytes: 66922789
num_examples: 20001
- name: batch_023
num_bytes: 68001140
num_examples: 20001
- name: batch_024
num_bytes: 68193621
num_examples: 20001
- name: batch_025
num_bytes: 67950941
num_examples: 20001
- name: batch_026
num_bytes: 67471834
num_examples: 20001
- name: batch_027
num_bytes: 67269383
num_examples: 20001
- name: batch_028
num_bytes: 67386151
num_examples: 20001
- name: batch_029
num_bytes: 1475295
num_examples: 408
download_size: 835373188
dataset_size: 1895194135
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-*
- split: batch_016
path: data/batch_016-*
- split: batch_017
path: data/batch_017-*
- split: batch_018
path: data/batch_018-*
- split: batch_019
path: data/batch_019-*
- split: batch_020
path: data/batch_020-*
- split: batch_021
path: data/batch_021-*
- split: batch_022
path: data/batch_022-*
- split: batch_023
path: data/batch_023-*
- split: batch_024
path: data/batch_024-*
- split: batch_025
path: data/batch_025-*
- split: batch_026
path: data/batch_026-*
- split: batch_027
path: data/batch_027-*
- split: batch_028
path: data/batch_028-*
- split: batch_029
path: data/batch_029-*
---

数据集信息：
特征字段：
- 名称：说话人ID（speaker_id），数据类型：字符串类型
- 名称：FLAC音频文件名（flac_filename），数据类型：字符串类型
- 名称：完整转录文本（transcription_full），数据类型：字符串类型
- 名称：被移除词汇（removed_words），数据类型：字符串类型
- 名称：移除指定词汇后的转录文本（transcription_without_removed），数据类型：字符串类型
- 名称：完整音素序列（phonemes_full），数据类型：字符串类型
- 名称：被移除词汇对应的音素序列（phonemes_removed），数据类型：字符串类型
- 名称：标注音素序列（phonemes_annotated），数据类型：字符串类型
- 名称：xCodec2 Token序列（xcodec2_tokens），数据类型：字符串类型
- 名称：序列（sequence），数据类型：字符串类型
- 名称：匹配标记（match），数据类型：布尔类型
- 名称：被移除词汇起始时间（removed_start_time），数据类型：64位浮点型
- 名称：被移除词汇结束时间（removed_end_time），数据类型：64位浮点型
数据划分：
- 名称：批次_001（batch_001），字节大小：67925224，样本数量：20001
- 名称：批次_002（batch_002），字节大小：67592015，样本数量：20001
- 名称：批次_003（batch_003），字节大小：66834788，样本数量：20001
- 名称：批次_004（batch_004），字节大小：67525002，样本数量：20001
- 名称：批次_005（batch_005），字节大小：67561959，样本数量：20001
- 名称：批次_006（batch_006），字节大小：67722098，样本数量：20001
- 名称：批次_007（batch_007），字节大小：67370260，样本数量：20001
- 名称：批次_008（batch_008），字节大小：68205208，样本数量：20001
- 名称：批次_009（batch_009），字节大小：67068952，样本数量：20001
- 名称：批次_010（batch_010），字节大小：67675612，样本数量：20001
- 名称：批次_011（batch_011），字节大小：67621089，样本数量：20001
- 名称：批次_012（batch_012），字节大小：67004164，样本数量：20001
- 名称：批次_013（batch_013），字节大小：67408586，样本数量：20001
- 名称：批次_014（batch_014），字节大小：68325946，样本数量：20001
- 名称：批次_015（batch_015），字节大小：68171596，样本数量：20001
- 名称：批次_016（batch_016），字节大小：68543056，样本数量：20001
- 名称：批次_017（batch_017），字节大小：67994187，样本数量：20001
- 名称：批次_018（batch_018），字节大小：68079621，样本数量：20001
- 名称：批次_019（batch_019），字节大小：67676515，样本数量：20001
- 名称：批次_020（batch_020），字节大小：67014933，样本数量：20001
- 名称：批次_021（batch_021），字节大小：67202170，样本数量：20001
- 名称：批次_022（batch_022），字节大小：66922789，样本数量：20001
- 名称：批次_023（batch_023），字节大小：68001140，样本数量：20001
- 名称：批次_024（batch_024），字节大小：68193621，样本数量：20001
- 名称：批次_025（batch_025），字节大小：67950941，样本数量：20001
- 名称：批次_026（batch_026），字节大小：67471834，样本数量：20001
- 名称：批次_027（batch_027），字节大小：67269383，样本数量：20001
- 名称：批次_028（batch_028），字节大小：67386151，样本数量：20001
- 名称：批次_029（batch_029），字节大小：1475295，样本数量：408
下载总大小：835373188 字节
数据集总存储大小：1895194135 字节
数据集配置：
- 配置名称：default（默认配置），数据文件映射：
- 数据划分：batch_001，路径：data/batch_001-*
- 数据划分：batch_002，路径：data/batch_002-*
- 数据划分：batch_003，路径：data/batch_003-*
- 数据划分：batch_004，路径：data/batch_004-*
- 数据划分：batch_005，路径：data/batch_005-*
- 数据划分：batch_006，路径：data/batch_006-*
- 数据划分：batch_007，路径：data/batch_007-*
- 数据划分：batch_008，路径：data/batch_008-*
- 数据划分：batch_009，路径：data/batch_009-*
- 数据划分：batch_010，路径：data/batch_010-*
- 数据划分：batch_011，路径：data/batch_011-*
- 数据划分：batch_012，路径：data/batch_012-*
- 数据划分：batch_013，路径：data/batch_013-*
- 数据划分：batch_014，路径：data/batch_014-*
- 数据划分：batch_015，路径：data/batch_015-*
- 数据划分：batch_016，路径：data/batch_016-*
- 数据划分：batch_017，路径：data/batch_017-*
- 数据划分：batch_018，路径：data/batch_018-*
- 数据划分：batch_019，路径：data/batch_019-*
- 数据划分：batch_020，路径：data/batch_020-*
- 数据划分：batch_021，路径：data/batch_021-*
- 数据划分：batch_022，路径：data/batch_022-*
- 数据划分：batch_023，路径：data/batch_023-*
- 数据划分：batch_024，路径：data/batch_024-*
- 数据划分：batch_025，路径：data/batch_025-*
- 数据划分：batch_026，路径：data/batch_026-*
- 数据划分：batch_027，路径：data/batch_027-*
- 数据划分：batch_028，路径：data/batch_028-*
- 数据划分：batch_029，路径：data/batch_029-*