MultiNERD数据集是首个语言无关的方法，用于自动创建多语言、多类型和细粒度的命名实体识别（NER）和实体消歧注释。该数据集覆盖10种语言（中文、荷兰语、英语、法语、德语、意大利语、波兰语、葡萄牙语、俄语和西班牙语），15个NER类别（人物、地点、组织、动物、生物实体、天体、疾病、事件、食物、仪器、媒体、植物、神话实体、时间和交通工具），以及2种文本类型（维基百科和维基新闻）。数据集结构包括t

Hugging Face2023-04-20 更新220

clips/beir-nl-dbpedia-entity

信息检索

多语言

BEIR-NL是一个荷兰语版本的BEIR基准测试，涵盖了从生物医学、金融文本到一般网络内容的各种领域。数据集包含多个任务，如事实核查、问答、生物医学信息检索、论点检索、重复问题检索、引用预测和实体检索。数据集结构包括corpus、queries和qrels文件，分别用于存储文档、查询和查询文档相关性判断。数据集的创建目的是为了促进荷兰语信息检索模型的发展，通过自动翻译BEIR数据集来实现。然而，数

Hugging Face2025-02-10 更新150

iAkashPaul/limmits-2024

文本到语音

多语言

Indic TTS数据集包含来自IISCs LIMMITS Challenge 2024的7种语言，主要用于训练基于VALLE-X和VoiceBox的TTS模型。数据集涵盖了英语、孟加拉语、印地语、卡纳达语、泰卢固语、马拉地语和恰蒂斯加尔语等多种印度语言。

Hugging Face2024-04-23 更新250

mekaneeky/Synthetic_English_VITS_22.5k

语音合成

多语言

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: dev path: data/dev-* - split: test path: data/test-* dataset_info: features: - name:

Hugging Face2023-10-27 更新200

Multilingual lexicon of toponyms

资源简介：

相关数据集