Dataset-Taghche-Persian-Cleaned

kaggle2022-04-22 更新2024-03-08 收录

书籍评论

波斯语

数据链接：

https://www.kaggle.com/datasets/armitaraz/datasettaghchecleaned 数据链接链接失效反馈

官方服务：

资源简介：

Data related to Taghcheh books comments https://taaghche.com/

与Taghcheh图书评论相关的数据，相关平台网址：https://taaghche.com/

创建时间：

2022-04-22

IDPL-PFOD2

光学字符识别

波斯语

IDPL-PFOD2是由智能数据处理实验室开发的针对印刷体波斯语光学字符识别的大型数据集，包含2,003,541张图像，涵盖多种字体、风格和大小。该数据集是对先前IDPL-PFOD数据集的扩展，显著增加了数据量和多样性。IDPL-PFOD2旨在解决波斯语印刷文本识别的挑战，特别是由于波斯语独特的书写特征和深度学习架构对大量训练样本的需求。数据集通过CRNN和Vision Transformer架构

arXiv2023-12-03 更新370

mauxi-mix-persian

语言模型

波斯语

MauxiMix是一个精心策划的波斯语对话数据集，包含1000个高质量的波斯语对话，这些对话是从SmolTalk数据集翻译而来的。该数据集专门设计用于使用监督微调（SFT）技术训练和微调大型语言模型（LLMs），有助于开发开源的波斯语语言模型。数据集的每个对话都包含消息列表、类别和难度级别。类别包括编程、数学、创意写作等，难度级别从非常简单到非常困难不等。数据集目前包含1000个对话，计划扩展到1

Hugging Face2024-12-01 更新190

Persian QA Corpus

波斯语

问答系统

波斯语问答语料库

github2023-07-14 更新130

ArmanTTS

文本到语音

波斯语

ArmanTTS是一个专为波斯语设计的单说话人TTS数据集，由伊朗科技大学计算机工程学院创建。该数据集包含8449个样本，总时长9小时12分钟14秒，采用22.05 kHz采样率，单声道录音，平均信噪比为25dB。数据集的创建过程包括使用OpenSubtitles获取波斯语文本，将文本映射到音素，并在专业录音室环境下录制语音。ArmanTTS主要应用于波斯语的文本到语音转换，旨在解决波斯语TTS领

arXiv2023-04-07 更新240

farsi-asr/farsi-asr-dataset

波斯语

自动语音识别

Farsi ASR Dataset是最大的开源波斯语自动语音识别（ASR）数据集，从各种来源收集而成。该数据集包含了大量的波斯语音频转录数据，用于自动语音识别研究。

Hugging Face2025-03-13 更新190