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?
MedDialog
MedDialog数据集(中文)包含了医生和患者之间的对话(中文)。它有110万个对话和400万个话语。数据还在不断增长,会有更多的对话加入。原始对话来自好大夫网。
github 收录
poi
本项目收集国内POI兴趣点,当前版本数据来自于openstreetmap。
github 收录
WenetSpeech
WenetSpeech是一个大规模的多领域普通话语音数据集,总时长超过22400小时,包括10000+小时高质量标注语音、2400+小时弱标注语音和约10000小时未标注语音。数据来源于YouTube和Podcast,覆盖多种说话风格、场景、领域、话题和噪声条件。通过光学字符识别(OCR)方法和高质量自动语音识别(ASR)转录系统生成音频/文本分割候选,并采用端到端标签错误检测方法进行验证和过滤。此外,提供三个手动标注的高质量测试集用于评估。WenetSpeech是目前最大的开源普通话语音语料库,适用于生产级语音识别研究。
arXiv 收录
中指数据库(物业版)
物业版解决物业企业“找项目”、“找行业和企业数据"的迫切需求,提供高效的市场拓展渠道、最新行业动态、竞品企业的多维度数据,助力企业科学决策。
西部数据交易中心 收录
MMRS - 多模态遥感指令跟随数据集
MMRS数据集,包含了100万多个图像-文本对,涵盖了分类、检测、图像描述、VQA、视觉定位等多个任务,并包括光学、红外和SAR三种视觉模态。该数据集旨在促进遥感领域中MLLMs的持续发展。
arXiv 收录