Akshara_dataset

kaggle2024-04-25 更新2025-12-06 收录

多语言音译

印度语言处理

数据链接：

https://www.kaggle.com/datasets/lokendra008/akshara-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Indian languages Transliteration Dataset

印度语言转写数据集（Indian languages Transliteration Dataset）

创建时间：

2024-04-25

OCR 合成基准数据集用于印度语言

OCR

印度语言处理

本数据集名为‘OCR合成基准数据集用于印度语言’，由EkStep基金会和Tarento科技创建，包含90,000张图像及其对应的真实标签，涵盖23种印度语言。数据集通过合成数据生成技术创建，旨在为光学字符识别（OCR）模型提供多样化训练数据，以提高模型在印度语言上的准确性和鲁棒性。该数据集适用于计算机视觉和图像处理领域，特别是在处理多语言和复杂文档图像时，能够有效提升模型的性能和泛化能力。

arXiv2022-05-05 更新260

ai4bharat/IndicMSMARCO

信息检索

印度语言处理

IndicMSMARCO是一个面向印度语言的多元语言信息检索基准数据集，包含精心挑选的查询和对应的高质量翻译段落。支持13种印度语言，适用于信息检索/段落排名任务，具有多样化的主题和查询复杂度。

Hugging Face2025-06-03 更新100

IndicParam

印度语言处理

基准测试

IndicParam是一个研究生级别的基准测试，旨在评估大型语言模型（LLMs）对低资源和极低资源印度语言的理解能力。数据集包含来自官方UGC-NET语言试题和答案的13,207道多选题（MCQs），涵盖11种印度语言以及一个单独的梵语-英语混合代码集。这些题目分为语言理解（语言学、语法等）和常识（文学、文化、历史等）两大类。数据集支持多种任务，包括多选题回答、语言理解评估、常识评估和问题类型评估

Hugging Face2025-12-10 更新80

MultiDiac

自然语言处理

多语言音译

MultiDiac是一个多语言数据集，用于评估大型语言模型在阿拉伯语和约鲁巴语中的文本标音效果。该数据集包含多样化的样本，涵盖了各种标音歧义。研究机构 Mohamed Bin Zayed University of Artificial Intelligence 与三位母语为约鲁巴语的语言学家合作收集了约350个基本单词，每个单词都有多个有效的标音形式，并构建了3到4个语境丰富的句子来确保多样性和

arXiv2025-06-13 更新170

elevenlabs dubbing

语音合成

多语言音译

Elevenlabs Dubbing API allows you to dub audios in another language with the voice you want.

RapidAPI2024-09-17 更新100