有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
BSTC(Baidu Speech Translation Corpus)|语音翻译数据集|机器翻译数据集
收藏OpenDataLab2025-03-29 更新2024-05-09 收录
下载链接：
https://opendatalab.org.cn/OpenDataLab/BSTC
下载链接
链接失效反馈资源简介：
BSTC (百度语音翻译语料库) 是一个大规模的自动同声传译数据集。BSTC版本1.0包含50小时的真实演讲，包括三个部分，音频文件，成绩单和翻译。语料库可用于构建自动同声传译系统。
语料库是从中国普通话谈话和报告中收集的，包括科学、技术、文化、经济等。谈话和报告中的话语被仔细转录成中文文本，并进一步翻译成英文文本。句子边界由英文文本而不是中文文本确定，后者类似于先前的相关语料库 (TED和翻译增强的LibriSpeech语料库)。
提供机构：
OpenDataLab
创建时间：
2022-11-02
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
United States Federal Election Commission (FEC) Databases
该数据集包含美国联邦选举委员会（FEC）的官方数据库，涵盖了选举相关的财务报告、候选人信息、政治行动委员会（PAC）数据、捐赠记录等。这些数据用于公开透明地记录和报告联邦选举的资金流动情况。
www.fec.gov 收录
中国近海台风路径集合数据集(1945-2024)
1945-2024年度，中国近海台风路径数据集，包含每个台风的真实路径信息、台风强度、气压、中心风速、移动速度、移动方向。 数据源为获取温州台风网(http://www.wztf121.com/)的真实观测路径数据，经过处理整合后形成文件，如使用csv文件需使用文本编辑器打开浏览，否则会出现乱码，如要使用excel查看数据，请使用xlsx的格式。
国家海洋科学数据中心 收录
QM9
QM9数据集包含134k个有机小分子化合物的量子化学计算结果，涵盖了12个量子化学性质，如分子能量、电离能、电子亲和能等。
quantum-machine.org 收录
Weibo Dataset
V1版本包含了2023年上半年来自微博平台的2,106条新闻数据。其中包含1,000条假新闻和1,067条真实新闻。数据集包含新闻传播的评论数据，包含用户和评论信息。V2版本包含了来自中国微博社交媒体平台的11,329条新闻。其中包含5,661条假新闻和5,668条真实新闻。与V1版本相比，V2版本在V1的基础上扩大了数据量。同时，V2提供了新闻的多模态数据，包括新闻帖子、评论集合、图片、视频和声音信息。因此，V2提供了更真实的社交网络环境模拟，从而支持下游任务。
github 收录
Literature Database, XML, NBVC, Oct 2017
Literature Database, XML format, the Natural Resources of Naval Base Ventura County
Mendeley Data 收录