Datasets:

WTFO
/

ru_extra

---
license: apache-2.0
language:
- ru
task_categories:
- automatic-speech-recognition
pretty_name: WTFO ru_extra
size_categories:
- 10K<n<100K
extra_gated_prompt: "This dataset contains audio redistributed from Vikhrmodels/ToneBooks (Apache-2.0, audiobook fragments) and Vikhrmodels/ToneWebinars (Apache-2.0; upstream ZeroAgency/shkolkovo-bobr.video-webinars-audio, MIT, school exam webinars). Agree to use it for research / ASR training only and to respect the rights of the original audiobook publishers and narrators."
configs:
- config_name: tonebooks
  data_files:
  - split: train
    path: tonebooks/data/train-*.parquet
- config_name: tonebooks_adj
  data_files:
  - split: train
    path: tonebooks_adj/data/train-*.parquet
- config_name: tonewebinars
  data_files:
  - split: train
    path: tonewebinars/data/train-*.parquet
---
# WTFO/ru_extra
俄語 ASR 補充資料：俄語音訊 → 俄文轉寫。用來補充基線 `YuKuanFu/ru`（約 4,465.6 h）。
Russian ASR supplement (Russian audio → Russian text) for the `YuKuanFu/ru` baseline (~4,465.6 h).
| config | 來源 / source | 列 rows | 時數 hours | 狀態 status |
|---|---|---:|---:|---|
| `tonebooks` | Vikhrmodels/ToneBooks @ `4fd7ba96` (train) | 60,695 | 105.24 | 已清理 / cleaned |
| `tonebooks_adj` | Vikhrmodels/ToneBooks @ `4fd7ba96` (train)，`tonebooks` 以外的新收列 / rows not in `tonebooks` | 13,996 | 35.41 | 已清理（三 ASR + LLM 裁決）/ cleaned (3-ASR + LLM adjudication) |
| `tonewebinars` | Vikhrmodels/ToneWebinars @ `a9bda19f` (train) | 44,246 | 311.77 | 已清理（三 ASR + LLM 裁決）/ cleaned (3-ASR + LLM adjudication) |

`tonebooks` 與 `tonebooks_adj` 不重疊（id 不重複），可同時載入。 / `tonebooks` and `tonebooks_adj` are disjoint.

## 來源與授權 / Provenance and license

**ToneBooks**
- Hugging Face 卡片宣告的授權是 **Apache-2.0**。
- 內容是俄語有聲書片段，共 10 位朗讀者（`speaker_id`）。卡片致謝 `its5Q/bigger-ru-book` 協助收集。
- 上游 `its5Q/bigger-ru-book`（rev `18a38573`）沒有 dataset card，也沒有授權標記。
- 書籍與錄音的著作權屬原出版者和朗讀者。Apache-2.0 只是 Vikhrmodels 的宣告，不是我們的法律評估。

**ToneBooks (English)**
- The Hugging Face card declares **Apache-2.0**.
- Content: Russian audiobook fragments read by 10 narrators (`speaker_id`). The card credits `its5Q/bigger-ru-book` for collection help.
- The upstream `its5Q/bigger-ru-book` (rev `18a38573`) has no dataset card and no license tag.
- Copyright of the books and recordings stays with the original publishers and narrators. Apache-2.0 is Vikhrmodels' declaration, not our legal assessment.

**轉寫的獨立性 / Transcript independence**
- ToneBooks 的文字有書籍排版特徵。
  - label 中出現對話破折號 `- ` 的有 25.1%，括號 2.5%，分號 1.5%，`?!` 0.5%。
  - faster-whisper 在同一批音訊上，這幾項全是 0%。
  - 因此判定 label 是書本原文，與 Whisper 互相獨立。
- ToneBooks text shows book typography that faster-whisper never produced on the same audio.
  - Dialogue hyphen 25.1%, parentheses 2.5%, semicolons 1.5%, `?!` 0.5% in labels; 0% for each in Whisper output.
  - We therefore treat the labels as source book text, independent of Whisper.
- ToneWebinars 的上游卡片寫明轉寫是「whisper and VAD」產生的，label 與 Whisper 不算獨立，因此加做 GigaAM-v3 重驗與 LLM 裁決（見下方 `tonewebinars` 一節）。
- ToneWebinars' upstream card states its transcripts were made "with whisper and VAD", so its labels are not independent of Whisper; GigaAM-v3 verification and LLM adjudication were added (see the `tonewebinars` section).

**ToneWebinars**
- Hugging Face 卡片宣告 **Apache-2.0**；上游 `ZeroAgency/shkolkovo-bobr.video-webinars-audio` 宣告 **MIT**。內容是 Shkolkovo 免費升學考試課程的網路研討會錄音（約 2,573 場）。
- The card declares **Apache-2.0**; upstream `ZeroAgency/shkolkovo-bobr.video-webinars-audio` declares **MIT**. Content: recordings of free exam-prep webinars by Shkolkovo (~2,573 webinars).
- 錄音著作權屬原講者與 Shkolkovo；上述授權是上游的宣告，不是我們的法律評估。

## 清理內容 / What was cleaned (`tonebooks`)

- **範圍 / scope**：上游 train 共 91,976 列。
  - 先做精確音訊去重：比對 PCM SHA 與原始 FLAC SHA，對象是 baseline train/eval 與來源內部。
  - 再做 faster-whisper-large-v3 盲轉寫 QC：不給參考文字、hotword 或語言提示。
  - 通過以上兩步的 83,577 列 / 164.04 h 是候選。
- **收錄條件 / admitted**：只收 source label 與 Whisper 在正規化後一致的列。
  - 正規化是指不分大小寫、去標點、ё→е，連字號與空白視為相同。
  - 收錄共 60,695 列 / 105.24 h。
  - 書本原文加上一個獨立 ASR 家族，構成兩個獨立來源。
  - Only rows whose source text equals the independent faster-whisper-large-v3 hypothesis after normalization (case, punctuation, ё/е, hyphen/space) are included.
- **排除 / excluded**（見 `EXCLUDED.jsonl`）：

  | 原因 / reason | 列 rows | 時數 h |
  |---|---:|---:|
  | 仍有用字差異、待第二 ASR / lexical difference, pending GigaAM-v3 | 22,190 | 58.54 |
  | HOLD：外部評測命中、非俄文、重複等 / eval hit, non-Russian, duplicates | 481 | 0.18 |
  | 保守排除：外部評測短句文字命中 / conservative short-text eval hit | 197 | 0.07 |
  | 加標點後仍無句讀（只有破折號） / still no sentence punctuation | 14 | 0.01 |

  上游另有兩類列，不在 83,577 列候選中：
  - 已知外部評測重疊：11 列。
  - 音訊/ASR 待審：8,377 列 / 15.1 h。
- **外部評測隔離 / eval isolation**：
  - 比對方式：精確文字、近似文字（3-gram 加相似度 ≥90 或 partial ≥95）、精確 PCM。
  - 比對集合：Golos crowd/farfield、Common Voice 22 ru test、FLEURS ru test、RuLS test/val、SOVA RuDevices 與 RuAudiobooksDevices test、ToneBooks/ToneWebinars validation、YuKuanFu/ru eval、ToneSpeak validation（部分）。
- **基線去重 / baseline dedup**：
  - 對象：YuKuanFu/ru@6cf44587 train（4,650,979 列）與 eval。
  - 方式：精確音訊，加上正規化文字（長度 ≥20 字元）。
- **標點 / punctuation**：
  - 每個 label 都有標點。
  - 196 列原本完全沒有標點。這些列以 `1-800-BAD-CODE/xlm-roberta_punctuation_fullstop_truecase` 為參考，只補 `.,?!`。
  - 文字鎖定、大小寫不改。驗證條件：去掉新增標點後，必須與原文逐字相同。
  - 這些列的 `text_state=punct_only_overlay`，`qc_flags` 含 `punct_added_text_locked`。
- **數字 / numbers**：保留原書寫法，不做 ITN 改寫。含數字的列在 `qc_flags` 標 `label_has_digits`。
- **只收俄文 / Russian only**：
  - 範圍內沒有英文翻譯。
  - 拉丁字母（品牌、符號）保留，標 `label_latin`。
  - 拉丁字母多於西里爾字母的列已排除。

## 清理內容 / What was cleaned (`tonebooks_adj`, `tonewebinars`)
- **證據 / evidence**：每列有三份盲轉寫：faster-whisper-large-v3（W）、GigaAM-v3 RNNT（G）、GigaAM-v3 CTC（C）。G 與 C 同一家族，只算一個來源。
- **LLM 裁決 / LLM adjudication**：本機 Qwen3.8-27B-FP8（只看文字，不聽音訊）對 label 與 ASR 不一致的列提出 KEEP / FIX / HOLD / DROP，再由 root 規則 `ru_clean912_root_adj_v1_20261025` 決定：
  - KEEP：差異只在格式（標點、大小寫、ё/е、數字寫法）、填充詞或已知 ASR 誤聽；或 label 與兩個獨立來源一致（`AGREE`）。
  - FIX：只接受有 ASR 支持的最小修改；人名、數字、拉丁字串的修改需要額外證據，否則 HOLD。
  - HOLD／DROP 的列不收錄（見各 config 的 `EXCLUDED.jsonl`）。
- **收錄 / admitted**：

  | config | 候選 rows / h | KEEP（LLM） | KEEP（AGREE） | FIX | 收錄 rows / h | HOLD 未收 rows / h | DROP rows / h |
  |---|---:|---:|---:|---:|---:|---:|---:|
  | `tonebooks_adj` | 83,577 / 164.04（含 `tonebooks` 已收） | 7,364 | 5,675 | 957 | 13,996 / 35.41 | 8,207 / 23.14 | 678 / 0.25 |
  | `tonewebinars` | 105,194 / 747.72 | 38,438 | 3,405 | 2,403 | 44,246 / 311.77 | 59,929 / 428.82 | 1,019 / 7.14 |

- `text_state`：`root_adj_accept_keep_LLM`、`root_adj_accept_keep_AGREE`、`root_adj_accept_fix_LLM`；`text_original` 是上游原文。
- `qc_tier`：stage-2 分級（T0/T1 正規化後與 Whisper 一致；T2 有用字差異，經上述裁決）。
- 評測隔離、基線去重與標點規則同 `tonebooks`；每個 label 都有標點。
- **仍在處理 / still in progress**：HOLD 列（約 452 h）正以第二輪 LLM 裁決（加上下文與外部查證）處理，通過者日後以新 config 發佈。

## 尚未完成 / Still pending (honest limits)

- **ToneSpeak validation**：只取得 64/700 列 metadata。它是 GPT 合成文本，重疊風險低，但尚未完整比對。
- **GigaAM evaluation 中的 OpenSTT 驗證集**：未取得，沒有比對。
- 沒有做重新編碼或重切段的近似音訊比對，也沒有做 speaker 層級的評測隔離。
- **專名**：ToneBooks 的專名拼寫以原書為準。Whisper 與 label 有差異的列都已排除，等第二 ASR 重驗。
- `text` 保留原書的排版，包括對話破折號 `- `、引號和省略號。

English summary of the same limits:
- ToneSpeak validation: only 64 of 700 rows of metadata were obtained.
- The OpenSTT eval sets inside the GigaAM evaluation were not obtained.
- No re-encode / re-segment near-audio check and no speaker-level eval isolation were done.

## 欄位 / Columns

| 欄位 | 說明 |
|---|---|
| `id` | 列 ID |
| `audio` | `{bytes, path}`；FLAC，16 kHz mono（`Audio(16000)`） |
| `text` | 清理後的俄文 label（有標點） |
| `text_original` | 上游原文 |
| `duration` | 秒 |
| `source_dataset`、`source_revision`、`source_file`、`source_row`、`source_id` | 上游 parquet 與列號、上游 mp3 名稱 |
| `speaker_id`、`license` | 朗讀者、授權 |
| `asr_hyp`、`asr_model`、`asr_model_revision`、`asr_wer`、`asr_cer` | faster-whisper-large-v3 盲轉寫與距離 |
| `qc_tier` | T0 完全一致；T1 只差空白或連字號 |
| `text_state` | `source` 或 `punct_only_overlay` |
| `eval_gate`、`dedup_gate`、`qc_flags` | 評測與去重檢查結果、旗標 |
| `audio_sha256`、`pcm_sha256` | 音訊雜湊 |
| `clean_rule` | 清理規則版本 |

## 使用 / How to load

```python
from datasets import load_dataset
ds = load_dataset("WTFO/ru_extra", "tonebooks", split="train")   # or "tonebooks_adj", "tonewebinars"   # gated: accept terms first, then `huggingface-cli login`
print(ds[0]["text"], ds[0]["audio"]["sampling_rate"])
```

清理證據（本地，未發佈）：`tp1_new_data/ru/clean912_20261022/`，含 `RU_CLEAN_PLAN.md`、`out/SUMMARY.json`、`out/stage2_final.sqlite`、`out/PUNCT_RECEIPT.json`。
Cleaning evidence (local, not published): the same directory and files.

	---
	license: apache-2.0
	language:
	- ru
	task_categories:
	- automatic-speech-recognition
	pretty_name: WTFO ru_extra
	size_categories:
	- 10K<n<100K
	extra_gated_prompt: "This dataset contains audio redistributed from Vikhrmodels/ToneBooks (Apache-2.0, audiobook fragments) and Vikhrmodels/ToneWebinars (Apache-2.0; upstream ZeroAgency/shkolkovo-bobr.video-webinars-audio, MIT, school exam webinars). Agree to use it for research / ASR training only and to respect the rights of the original audiobook publishers and narrators."
	configs:
	- config_name: tonebooks
	data_files:
	- split: train
	path: tonebooks/data/train-*.parquet
	- config_name: tonebooks_adj
	data_files:
	- split: train
	path: tonebooks_adj/data/train-*.parquet
	- config_name: tonewebinars
	data_files:
	- split: train
	path: tonewebinars/data/train-*.parquet
	---

	# WTFO/ru_extra

	俄語 ASR 補充資料：俄語音訊 → 俄文轉寫。用來補充基線 `YuKuanFu/ru`（約 4,465.6 h）。
	Russian ASR supplement (Russian audio → Russian text) for the `YuKuanFu/ru` baseline (~4,465.6 h).

	\| config \| 來源 / source \| 列 rows \| 時數 hours \| 狀態 status \|
	\|---\|---\|---:\|---:\|---\|
	\| `tonebooks` \| Vikhrmodels/ToneBooks @ `4fd7ba96` (train) \| 60,695 \| 105.24 \| 已清理 / cleaned \|
	\| `tonebooks_adj` \| Vikhrmodels/ToneBooks @ `4fd7ba96` (train)，`tonebooks` 以外的新收列 / rows not in `tonebooks` \| 13,996 \| 35.41 \| 已清理（三 ASR + LLM 裁決）/ cleaned (3-ASR + LLM adjudication) \|
	\| `tonewebinars` \| Vikhrmodels/ToneWebinars @ `a9bda19f` (train) \| 44,246 \| 311.77 \| 已清理（三 ASR + LLM 裁決）/ cleaned (3-ASR + LLM adjudication) \|

	`tonebooks` 與 `tonebooks_adj` 不重疊（id 不重複），可同時載入。 / `tonebooks` and `tonebooks_adj` are disjoint.

	## 來源與授權 / Provenance and license

	ToneBooks
	- Hugging Face 卡片宣告的授權是 Apache-2.0。
	- 內容是俄語有聲書片段，共 10 位朗讀者（`speaker_id`）。卡片致謝 `its5Q/bigger-ru-book` 協助收集。
	- 上游 `its5Q/bigger-ru-book`（rev `18a38573`）沒有 dataset card，也沒有授權標記。
	- 書籍與錄音的著作權屬原出版者和朗讀者。Apache-2.0 只是 Vikhrmodels 的宣告，不是我們的法律評估。

	ToneBooks (English)
	- The Hugging Face card declares Apache-2.0.
	- Content: Russian audiobook fragments read by 10 narrators (`speaker_id`). The card credits `its5Q/bigger-ru-book` for collection help.
	- The upstream `its5Q/bigger-ru-book` (rev `18a38573`) has no dataset card and no license tag.
	- Copyright of the books and recordings stays with the original publishers and narrators. Apache-2.0 is Vikhrmodels' declaration, not our legal assessment.

	轉寫的獨立性 / Transcript independence
	- ToneBooks 的文字有書籍排版特徵。
	- label 中出現對話破折號 `- ` 的有 25.1%，括號 2.5%，分號 1.5%，`?!` 0.5%。
	- faster-whisper 在同一批音訊上，這幾項全是 0%。
	- 因此判定 label 是書本原文，與 Whisper 互相獨立。
	- ToneBooks text shows book typography that faster-whisper never produced on the same audio.
	- Dialogue hyphen 25.1%, parentheses 2.5%, semicolons 1.5%, `?!` 0.5% in labels; 0% for each in Whisper output.
	- We therefore treat the labels as source book text, independent of Whisper.
	- ToneWebinars 的上游卡片寫明轉寫是「whisper and VAD」產生的，label 與 Whisper 不算獨立，因此加做 GigaAM-v3 重驗與 LLM 裁決（見下方 `tonewebinars` 一節）。
	- ToneWebinars' upstream card states its transcripts were made "with whisper and VAD", so its labels are not independent of Whisper; GigaAM-v3 verification and LLM adjudication were added (see the `tonewebinars` section).

	ToneWebinars
	- Hugging Face 卡片宣告 Apache-2.0；上游 `ZeroAgency/shkolkovo-bobr.video-webinars-audio` 宣告 MIT。內容是 Shkolkovo 免費升學考試課程的網路研討會錄音（約 2,573 場）。
	- The card declares Apache-2.0; upstream `ZeroAgency/shkolkovo-bobr.video-webinars-audio` declares MIT. Content: recordings of free exam-prep webinars by Shkolkovo (~2,573 webinars).
	- 錄音著作權屬原講者與 Shkolkovo；上述授權是上游的宣告，不是我們的法律評估。

	## 清理內容 / What was cleaned (`tonebooks`)

	- 範圍 / scope：上游 train 共 91,976 列。
	- 先做精確音訊去重：比對 PCM SHA 與原始 FLAC SHA，對象是 baseline train/eval 與來源內部。
	- 再做 faster-whisper-large-v3 盲轉寫 QC：不給參考文字、hotword 或語言提示。
	- 通過以上兩步的 83,577 列 / 164.04 h 是候選。
	- 收錄條件 / admitted：只收 source label 與 Whisper 在正規化後一致的列。
	- 正規化是指不分大小寫、去標點、ё→е，連字號與空白視為相同。
	- 收錄共 60,695 列 / 105.24 h。
	- 書本原文加上一個獨立 ASR 家族，構成兩個獨立來源。
	- Only rows whose source text equals the independent faster-whisper-large-v3 hypothesis after normalization (case, punctuation, ё/е, hyphen/space) are included.
	- 排除 / excluded（見 `EXCLUDED.jsonl`）：

	\| 原因 / reason \| 列 rows \| 時數 h \|
	\|---\|---:\|---:\|
	\| 仍有用字差異、待第二 ASR / lexical difference, pending GigaAM-v3 \| 22,190 \| 58.54 \|
	\| HOLD：外部評測命中、非俄文、重複等 / eval hit, non-Russian, duplicates \| 481 \| 0.18 \|
	\| 保守排除：外部評測短句文字命中 / conservative short-text eval hit \| 197 \| 0.07 \|
	\| 加標點後仍無句讀（只有破折號） / still no sentence punctuation \| 14 \| 0.01 \|

	上游另有兩類列，不在 83,577 列候選中：
	- 已知外部評測重疊：11 列。
	- 音訊/ASR 待審：8,377 列 / 15.1 h。
	- 外部評測隔離 / eval isolation：
	- 比對方式：精確文字、近似文字（3-gram 加相似度 ≥90 或 partial ≥95）、精確 PCM。
	- 比對集合：Golos crowd/farfield、Common Voice 22 ru test、FLEURS ru test、RuLS test/val、SOVA RuDevices 與 RuAudiobooksDevices test、ToneBooks/ToneWebinars validation、YuKuanFu/ru eval、ToneSpeak validation（部分）。
	- 基線去重 / baseline dedup：
	- 對象：YuKuanFu/ru@6cf44587 train（4,650,979 列）與 eval。
	- 方式：精確音訊，加上正規化文字（長度 ≥20 字元）。
	- 標點 / punctuation：
	- 每個 label 都有標點。
	- 196 列原本完全沒有標點。這些列以 `1-800-BAD-CODE/xlm-roberta_punctuation_fullstop_truecase` 為參考，只補 `.,?!`。
	- 文字鎖定、大小寫不改。驗證條件：去掉新增標點後，必須與原文逐字相同。
	- 這些列的 `text_state=punct_only_overlay`，`qc_flags` 含 `punct_added_text_locked`。
	- 數字 / numbers：保留原書寫法，不做 ITN 改寫。含數字的列在 `qc_flags` 標 `label_has_digits`。
	- 只收俄文 / Russian only：
	- 範圍內沒有英文翻譯。
	- 拉丁字母（品牌、符號）保留，標 `label_latin`。
	- 拉丁字母多於西里爾字母的列已排除。

	## 清理內容 / What was cleaned (`tonebooks_adj`, `tonewebinars`)

	- 證據 / evidence：每列有三份盲轉寫：faster-whisper-large-v3（W）、GigaAM-v3 RNNT（G）、GigaAM-v3 CTC（C）。G 與 C 同一家族，只算一個來源。
	- LLM 裁決 / LLM adjudication：本機 Qwen3.8-27B-FP8（只看文字，不聽音訊）對 label 與 ASR 不一致的列提出 KEEP / FIX / HOLD / DROP，再由 root 規則 `ru_clean912_root_adj_v1_20261025` 決定：
	- KEEP：差異只在格式（標點、大小寫、ё/е、數字寫法）、填充詞或已知 ASR 誤聽；或 label 與兩個獨立來源一致（`AGREE`）。
	- FIX：只接受有 ASR 支持的最小修改；人名、數字、拉丁字串的修改需要額外證據，否則 HOLD。
	- HOLD／DROP 的列不收錄（見各 config 的 `EXCLUDED.jsonl`）。
	- 收錄 / admitted：

	\| config \| 候選 rows / h \| KEEP（LLM） \| KEEP（AGREE） \| FIX \| 收錄 rows / h \| HOLD 未收 rows / h \| DROP rows / h \|
	\|---\|---:\|---:\|---:\|---:\|---:\|---:\|---:\|
	\| `tonebooks_adj` \| 83,577 / 164.04（含 `tonebooks` 已收） \| 7,364 \| 5,675 \| 957 \| 13,996 / 35.41 \| 8,207 / 23.14 \| 678 / 0.25 \|
	\| `tonewebinars` \| 105,194 / 747.72 \| 38,438 \| 3,405 \| 2,403 \| 44,246 / 311.77 \| 59,929 / 428.82 \| 1,019 / 7.14 \|

	- `text_state`：`root_adj_accept_keep_LLM`、`root_adj_accept_keep_AGREE`、`root_adj_accept_fix_LLM`；`text_original` 是上游原文。
	- `qc_tier`：stage-2 分級（T0/T1 正規化後與 Whisper 一致；T2 有用字差異，經上述裁決）。
	- 評測隔離、基線去重與標點規則同 `tonebooks`；每個 label 都有標點。
	- 仍在處理 / still in progress：HOLD 列（約 452 h）正以第二輪 LLM 裁決（加上下文與外部查證）處理，通過者日後以新 config 發佈。

	## 尚未完成 / Still pending (honest limits)

	- ToneSpeak validation：只取得 64/700 列 metadata。它是 GPT 合成文本，重疊風險低，但尚未完整比對。
	- GigaAM evaluation 中的 OpenSTT 驗證集：未取得，沒有比對。
	- 沒有做重新編碼或重切段的近似音訊比對，也沒有做 speaker 層級的評測隔離。
	- 專名：ToneBooks 的專名拼寫以原書為準。Whisper 與 label 有差異的列都已排除，等第二 ASR 重驗。
	- `text` 保留原書的排版，包括對話破折號 `- `、引號和省略號。

	English summary of the same limits:
	- ToneSpeak validation: only 64 of 700 rows of metadata were obtained.
	- The OpenSTT eval sets inside the GigaAM evaluation were not obtained.
	- No re-encode / re-segment near-audio check and no speaker-level eval isolation were done.

	## 欄位 / Columns

	\| 欄位 \| 說明 \|
	\|---\|---\|
	\| `id` \| 列 ID \|
	\| `audio` \| `{bytes, path}`；FLAC，16 kHz mono（`Audio(16000)`） \|
	\| `text` \| 清理後的俄文 label（有標點） \|
	\| `text_original` \| 上游原文 \|
	\| `duration` \| 秒 \|
	\| `source_dataset`、`source_revision`、`source_file`、`source_row`、`source_id` \| 上游 parquet 與列號、上游 mp3 名稱 \|
	\| `speaker_id`、`license` \| 朗讀者、授權 \|
	\| `asr_hyp`、`asr_model`、`asr_model_revision`、`asr_wer`、`asr_cer` \| faster-whisper-large-v3 盲轉寫與距離 \|
	\| `qc_tier` \| T0 完全一致；T1 只差空白或連字號 \|
	\| `text_state` \| `source` 或 `punct_only_overlay` \|
	\| `eval_gate`、`dedup_gate`、`qc_flags` \| 評測與去重檢查結果、旗標 \|
	\| `audio_sha256`、`pcm_sha256` \| 音訊雜湊 \|
	\| `clean_rule` \| 清理規則版本 \|

	## 使用 / How to load

	```python
	from datasets import load_dataset
	ds = load_dataset("WTFO/ru_extra", "tonebooks", split="train") # or "tonebooks_adj", "tonewebinars" # gated: accept terms first, then `huggingface-cli login`
	print(ds[0]["text"], ds[0]["audio"]["sampling_rate"])
	```

	清理證據（本地，未發佈）：`tp1_new_data/ru/clean912_20261022/`，含 `RU_CLEAN_PLAN.md`、`out/SUMMARY.json`、`out/stage2_final.sqlite`、`out/PUNCT_RECEIPT.json`。
	Cleaning evidence (local, not published): the same directory and files.