Mediform/benchmarks

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: clip_id
dtype: string
- name: audio
dtype: audio
- name: segments
list:
- name: clip_id
dtype: string
- name: segment_id
dtype: string
- name: start
dtype: float64
- name: end
dtype: float64
- name: speaker
dtype: string
- name: text
dtype: string
- name: entities
list:
- name: entity_type
dtype: string
- name: canonical
dtype: string
- name: surface
dtype: string
- name: start_char
dtype: int32
- name: end_char
dtype: int32
- name: register
dtype: string
- name: is_eponym
dtype: string
- name: med_type
dtype: string
splits:
- name: train
num_examples: 16
---

配置项：
- 配置名称（config_name）：默认（default）
数据文件：
- 拆分集（split）：训练集（train）
路径（path）：data/train-*
数据集信息：
特征字段：
- 字段名：剪辑ID（clip_id），数据类型（dtype）：字符串（string）
- 字段名：音频（audio），数据类型（dtype）：音频数据（audio）
- 字段名：片段列表（segments），数据类型（dtype）：列表，其子字段包括：
- 字段名：剪辑ID（clip_id），数据类型（dtype）：字符串（string）
- 字段名：片段ID（segment_id），数据类型（dtype）：字符串（string）
- 字段名：起始时间（start），数据类型（dtype）：双精度浮点数（float64）
- 字段名：结束时间（end），数据类型（dtype）：双精度浮点数（float64）
- 字段名：说话人（speaker），数据类型（dtype）：字符串（string）
- 字段名：文本内容（text），数据类型（dtype）：字符串（string）
- 字段名：实体列表（entities），数据类型（dtype）：列表，其子字段包括：
- 字段名：实体类型（entity_type），数据类型（dtype）：字符串（string）
- 字段名：规范名称（canonical），数据类型（dtype）：字符串（string）
- 字段名：表面形式（surface），数据类型（dtype）：字符串（string）
- 字段名：字符起始位置（start_char），数据类型（dtype）：32位有符号整型（int32）
- 字段名：字符结束位置（end_char），数据类型（dtype）：32位有符号整型（int32）
- 字段名：语域（register），数据类型（dtype）：字符串（string）
- 字段名：是否为同名起源词（is_eponym），数据类型（dtype）：字符串（string）
- 字段名：医学类型（med_type），数据类型（dtype）：字符串（string）
拆分集（splits）：
- 拆分集名称（name）：训练集（train），样本数量（num_examples）：16