登录后查看消息通知
搜索
常见问题
消息
登录
tokenized-mbart-hi-multilang
收藏
kaggle
2025-06-26 更新
2025-08-16 收录
下载链接:
https://www.kaggle.com/datasets/kshitijsaxena999/tokenized-mbart-hi-bn-multilang
下载链接
链接失效反馈
官方服务:
购买咨询
问题咨询
资源简介:
A Tokenized Corpus of Indic Languages
印地语分词语料库
应用场景:
创建时间:
2025-06-26
相关数据集
mBART
该数据集是一个多语言编码器-解码器模型,能够在一个模型内支持多种语言的机器翻译和文本生成任务。该模型的输入序列长度设置为1024,并拥有50万的词汇量,确保了在处理多种语言时的广泛适用性和高效性能。
arXiv
9
0
CU MultiLang Dataset
CU MultiLang Dataset是由哥伦比亚大学创建的一个大型多语言语音数据集,包含51种语言,每种语言最多有10小时的语音数据及相应的文本转录。数据集通过整合多个开放源数据集构建,旨在覆盖广泛的语系和提高说话者多样性。创建过程中,数据集被分为32种内集语言和19种外集语言,用于训练和评估开放集语音语言识别系统。该数据集主要应用于开放集语音语言识别,旨在解决现有系统无法识别未知语言的问题。
arXiv
2023-08-29 更新
8
0
multilang_asr
该数据集包含多个配置,每个配置对应一个特定的数据集。每个数据集包含音频和消息两种特征,音频特征包括采样率,消息特征包括内容和角色。数据集的分割信息显示了训练集的示例数量和字节大小。
Hugging Face
2024-11-17 更新
25
0
multilang
multilang for slayermc
RapidAPI
2022-04-24 更新
3
0
withpi/jira_embedding_smalldoc_multilang_train_gemma3_embedding_tokenized_8k_5
该数据集包含查询语句和对应的正例、反例文本,以及相关的哈希值。它还包括文本的输入ID和注意力掩码,用于自然语言处理任务。数据集分为训练集和测试集,可用于模型训练和评估。
Hugging Face
2025-08-31 更新
9
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广