Bengali Common Voice Speech Dataset是由Bengali.AI创建的一个大规模自动语音识别数据集，包含超过400小时的转录音频记录，来自孟加拉国和印度的社区。该数据集通过众包方式收集，旨在解决由于缺乏多样化的开源数据集而阻碍的孟加拉语语音识别系统的发展问题。数据集内容丰富，包括231,120个样本，每个样本都附有句子注释和其他元数据，如年龄、性别和口音。数据集的创建

arXiv2022-06-29 更新190

celloscopeai/celloscope_28000_bangla_ner_dataset

实体识别

孟加拉语

--- dataset_info: features: - name: tokens sequence: string - name: ner_tags sequence: int64 splits: - name: train num_bytes: 4406091 num_examples: 22052 - name: validation

Hugging Face2023-04-10 更新140

badlad_new_buetcsefest2023

文档布局分析

孟加拉语

Bengali Document Layout Analysis

kaggle2023-08-06 更新230

gentaiscool/simpleqa_verified_Bengali_50_grammarforce_target

自然语言处理

孟加拉语

该数据集包含1000个示例，每个示例具有多个特征，包括原始索引、问题、答案、主题、答案类型、是否多步骤、是否需要推理以及相关URL。数据集可能用于教育或逻辑推理目的，但具体描述未在README中明确提及。

Hugging Face2025-12-15 更新170