reach-vb/mls-eng-10k-repunct-test-v2

---
dataset_info:
features:
- name: original_path
dtype: string
- name: begin_time
dtype: float64
- name: end_time
dtype: float64
- name: transcript
dtype: string
- name: audio_duration
dtype: float64
- name: speaker_id
dtype: string
- name: book_id
dtype: string
- name: repunct_text
dtype: string
splits:
- name: dev
num_bytes: 2182237
num_examples: 3807
download_size: 1213838
dataset_size: 2182237
configs:
- config_name: default
data_files:
- split: dev
path: data/dev-*
---

数据集信息：
特征列表：
- 字段名：原始路径（original_path），数据类型：字符串
- 字段名：起始时间（begin_time），数据类型：双精度浮点数
- 字段名：结束时间（end_time），数据类型：双精度浮点数
- 字段名：转录文本（transcript），数据类型：字符串
- 字段名：音频时长（audio_duration），数据类型：双精度浮点数
- 字段名：说话人ID（speaker_id），数据类型：字符串
- 字段名：书籍ID（book_id），数据类型：字符串
- 字段名：补标点文本（repunct_text），数据类型：字符串
数据集拆分：
- 拆分名称：开发集（dev），占用字节数：2182237，样本数量：3807
下载大小：1213838，数据集总大小：2182237
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应拆分：dev，文件路径：data/dev-*

原始信息汇总

数据集概述

数据集特征

• original_path: 数据类型为字符串。
• begin_time: 数据类型为浮点数。
• end_time: 数据类型为浮点数。
• transcript: 数据类型为字符串。
• audio_duration: 数据类型为浮点数。
• speaker_id: 数据类型为字符串。
• book_id: 数据类型为字符串。
• repunct_text: 数据类型为字符串。

数据集分割

• dev: 包含3807个样本，数据集大小为2182237字节。

数据集大小

• 下载大小: 1213838字节。
• 数据集大小: 2182237字节。

配置

• config_name: default
• data_files:
  • split: dev
  • path: data/dev-*