Vietnamese Diacritics Dataset

kaggle2025-06-18 更新2025-07-12 收录

数据链接：

官方服务：

资源简介：

A dataset for restoring Vietnamese diacritics in text processing tasks

一款用于文本处理任务中恢复越南语变音符号的数据集

创建时间：

2025-06-18

viVoice是第一个公开可用的大规模越南语音数据集，旨在推动越南文本到语音（TTS）系统的研究。该数据集包含超过1000小时的高质量、清理过的音频，来自186个YouTube频道，并附有相应的转录文本。这个数据集解决了越南TTS数据的严重稀缺问题，为语音合成模型的开发和改进提供了大量资源。

github2024-07-01 更新900

ViFactCheck是第一个公开的越南语事实核查基准数据集，专门为越南语事实核查设计，包含7,232个人工标注的声明-证据对，涵盖了12个不同的主题。

github2025-03-22 更新210

这是第一个公开的大规模越南语Text-to-SQL语义解析数据集。该数据集是通过手动将Spider数据集翻译成越南语创建的。

Hugging Face2024-06-24 更新150

VIMQA是一个越南语的多跳问答数据集，包含超过10,000个基于维基百科的问题-答案对。该数据集由人工生成，具有四个主要特点：问题需要跨多个段落的复杂推理、提供句子级别的支持事实以帮助模型推理和解释答案、包含多种推理类型以测试模型的推理能力、数据集使用越南语这一低资源语言。

Hugging Face2024-06-24 更新320

VOZ-HSD数据集包含超过1070万条由AI标注的评论，这些评论来自越南用户在VOZ论坛上的评论，标注为HATE（1）和CLEAN（0）两种标签。这些标签由微调的ViSoBERT-HSD模型生成，仅用于数据分析，不用于任何下游任务的微调。

Hugging Face2024-08-13 更新200