AdoCleanCode/portuguese-multi-mfa_train_v0

---
dataset_info:
features:
- name: sequence
dtype: string
- name: transcription_full
dtype: string
- name: transcription_original
dtype: string
- name: removed_words
dtype: string
- name: phonemes_annotated
dtype: string
- name: phonemes_actual
dtype: string
- name: xcodec2_tokens
dtype: string
- name: left_audio
dtype:
audio:
sampling_rate: 16000
- name: removed_audio
dtype:
audio:
sampling_rate: 16000
- name: right_audio
dtype:
audio:
sampling_rate: 16000
- name: full_audio
dtype:
audio:
sampling_rate: 16000
splits:
- name: batch_001
num_bytes: 41687312.0
num_examples: 64
download_size: 40039495
dataset_size: 41687312.0
configs:
- config_name: default
data_files:
- split: batch_001
path: data/batch_001-*
---

数据集信息（dataset_info）：
特征（features）：
- 名称：序列（sequence），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：原始转录文本（transcription_original），数据类型：字符串
- 名称：移除词汇（removed_words），数据类型：字符串
- 名称：标注音素（phonemes_annotated），数据类型：字符串
- 名称：实际音素（phonemes_actual），数据类型：字符串
- 名称：xcodec2 Token（xcodec2_tokens），数据类型：字符串
- 名称：左声道音频（left_audio），数据类型：音频，采样率：16000 赫兹
- 名称：移除片段音频（removed_audio），数据类型：音频，采样率：16000 赫兹
- 名称：右声道音频（right_audio），数据类型：音频，采样率：16000 赫兹
- 名称：完整音频（full_audio），数据类型：音频，采样率：16000 赫兹
数据拆分（splits）：
- 名称：批次001（batch_001），数据字节数：41687312.0，样本数量：64
下载大小（download_size）：40039495 字节，数据集总大小（dataset_size）：41687312.0 字节
配置项（configs）：
- 配置名称：默认配置（default），数据文件（data_files）：
- 数据拆分：batch_001，文件路径：data/batch_001-*