tachiwin/multilingual_ocr

Name: tachiwin/multilingual_ocr
Creator: tachiwin
Published: 2025-10-25T03:46:36+08:00

Hugging Face2025-08-18 更新2025-10-25 收录

光学字符识别

多语言处理

数据链接：

https://hf-mirror.com/datasets/tachiwin/multilingual_ocr 数据链接链接失效反馈

官方服务：

资源简介：

--- license: mit ---

许可证：MIT许可证（MIT License）

提供机构：

该数据基于数鼎科技自主研发的多语言数据模型框架，将互联网采集的汽车行业大数据，经过多语言版本的储存、维护、切换、应用等一系列主数据设计开发技术处理，结合所拥有的汽车行业内专有名词等专业术语应用的专家经验，打造多语言并发，适应不同国际社会文化和市场的多语言主数据。满足能够容纳多种语言的全球互通共享的数据需求，促进企业扩大规模和贸易全球化进程。

广东省数据知识产权存证登记平台2023-11-15 更新300

infinex/LaMini-en-id

自然语言处理

多语言处理

--- dataset_info: features: - name: instruction dtype: string - name: response dtype: string - name: instruction_source dtype: string - name: context_id dtype: string - nam

Hugging Face2023-12-06 更新190

fiveflow/koquad_v2_polyglot_tkd_20th

自然语言处理

多语言处理

--- dataset_info: features: - name: context dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: -

Hugging Face2023-09-20 更新140

English OCR Data in Natural Scenes

光学字符识别

自然场景文本

71,535 Images English OCR Data in Natural Scenes

kaggle2023-10-13 更新210

M2LabOrg/jwlang

自动语音识别

多语言处理

JWLang Corpus是一个多语言的音频和文本数据集，源自jw.org网站上的JW Broadcasting视频，用于训练和微调自动语音识别（ASR）模型，特别是OpenAI Whisper。数据集存储在Hugging Face上，采用Parquet格式，原始音频文件为MP3格式，对应文本文件。该数据集适用于训练、验证和测试ASR模型，数据下载于2024年6月。

Hugging Face2024-06-24 更新170

tachiwin/multilingual_ocr

资源简介：

相关数据集