AdoCleanCode/msp_mfa_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: 88320898
num_examples: 20001
- name: batch_002
num_bytes: 88433312
num_examples: 20001
- name: batch_003
num_bytes: 61624949
num_examples: 13941
download_size: 53851651
dataset_size: 238379159
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：
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_filename），数据类型：字符串
- 名称：完整转录文本（transcription_full），数据类型：字符串
- 名称：被移除词汇（removed_words），数据类型：字符串
- 名称：移除指定词汇后的转录文本（transcription_without_removed），数据类型：字符串
- 名称：完整音素序列（phonemes_full），数据类型：字符串
- 名称：移除词汇对应音素（phonemes_removed），数据类型：字符串
- 名称：标注音素序列（phonemes_annotated），数据类型：字符串
- 名称：xcodec2 Token（xcodec2_tokens），数据类型：字符串
- 名称：序列（sequence），数据类型：字符串
- 名称：匹配标记（match），数据类型：布尔值
- 名称：移除片段起始时间（removed_start_time），数据类型：64位浮点型（float64）
- 名称：移除片段结束时间（removed_end_time），数据类型：64位浮点型（float64）
数据划分：
- 名称：批次001（batch_001），占用字节数：88320898，样本数量：20001
- 名称：批次002（batch_002），占用字节数：88433312，样本数量：20001
- 名称：批次003（batch_003），占用字节数：61624949，样本数量：13941
下载总大小：53851651
数据集总大小：238379159
配置项：
- 配置名称：默认（default），数据文件：
- 对应划分：批次001（batch_001），文件路径：data/batch_001-*
- 对应划分：批次002（batch_002），文件路径：data/batch_002-*
- 对应划分：批次003（batch_003），文件路径：data/batch_003-*