baconnier/deepsynth-de
收藏Hugging Face2025-10-27 更新2025-11-15 收录
下载链接：
https://hf-mirror.com/datasets/baconnier/deepsynth-de
下载链接
链接失效反馈官方服务：
资源简介：
这是一个大规模的德语新闻摘要数据集，来源于主流德国报纸。数据集能够处理德语特有的字符（如umlauts和ß），通过Unicode字体渲染。该数据集是DeepSynth项目的一部分，该项目使用视觉文本编码进行多语言摘要，并结合DeepSeek-OCR视觉语言模型。文本文档被转换为图像，并通过一个冻结的380M参数视觉编码器进行处理，实现了20倍的令牌压缩，同时保持了文档的布局和结构。
This is a large-scale German news summarization dataset from major German newspapers. It handles German-specific characters (umlauts, ß) through proper Unicode font rendering. The dataset is part of the DeepSynth project, which uses visual text encoding for multilingual summarization with the DeepSeek-OCR vision-language model. Text documents are converted into images and processed through a frozen 380M parameter visual encoder, enabling 20x token compression while preserving document layout and structure.
提供机构：
baconnier
