--- dataset_info: features: - name: context dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: -

Hugging Face2023-09-20 更新220

人工录制多语言语音数据

语音识别

多语言处理

语言语音数据是指不同自然语言的文本内容及其对应的语音，可用于语音识别、语音合成、语音情感识别等人工智能和语音技术应用的训练和研究。这些语音数据包括各种文本内容的朗读、自然对话、口语语料等，覆盖了语言的各种语音特征和语境，是实现语言语音技术应用的基础之一。

深圳数据产权登记服务中心140

wikimedia-commons-documents-subsampled

多语言处理

图像识别

该数据集包含了多种语言的数据配置，包括阿拉伯语、孟加拉语、德语、英语、西班牙语、法语、印地语、匈牙利语、印度尼西亚语、意大利语、日语、韩语、马来语、荷兰语、葡萄牙语、俄语、泰语、乌尔都语和越南语。每种语言配置都包含查询、图像、图像文件名、许可证类型、许可证文本、文档语言和文本描述等特征。数据集分为测试集，每种语言的测试集都提供了下载大小和文件大小信息。

Hugging Face2025-06-11 更新220

fyaronskiy/code_search_net_ru_en

代码检索

多语言处理

--- dataset_info: features: - name: repository_name dtype: string - name: func_path_in_repository dtype: string - name: func_name dtype: string - name: whole_func_string dtyp

Hugging Face2025-11-24 更新150

The Readability Score Measurement Table

资源简介：

相关数据集