找到6个数据集

分类: 公开数据 标签: 语言识别

过滤结果

  • is24_Interspeech2024_欧洲议会录音多语言测试集

    2026年1月27日 30 72 63

    数据集概述 本数据集是从欧洲议会会议录音中提取的多语言测试集，用于语言识别和语音识别任务。包含15个多语言音频文件，总时长约2小时56分34秒，覆盖19种语言，经人工核对语言标签时间戳并补充官方文本转录，可支持多语言语音技术的模型测试与评估。 文件详解 文件名称：tst_is24.zip 文件格式：ZIP...
    packageimg

  • TwiSty_Based_多语言Twitter作者性别与人格分析语料库

    2026年1月22日 30 97 24

    数据集概述 本数据集为TwiSty多语言Twitter作者分析语料库，用于作者特征识别研究。包含六种语言共18,168位作者的人格（MBTI）和性别标注信息，以及作者的Twitter ID和其可用推文ID。推文已完成语言识别，分为“确认语言”和“其他语言”两类。 文件详解 文件名称：twisty.zip 文件格式：ZIP...
    packageimg

  • CLDF_Dogon_Comparative_Wordlist_语言比较研究数据集2016

    2026年1月13日 30 186 140

    数据集概述 本数据集是基于Heath等人2016年的《Dogon Comparative Wordlist》衍生的CLDF格式数据集，由Moran、Forkel和Heath编辑，记录Dogon语言的比较词表信息，为语言学研究提供结构化数据支持。 文件详解 文件名称：heathdogon-v0.3.zip 文件格式：ZIP...
    packageimg

  • WiLI_2018_Wikipedia_Based_多语言文本识别基准数据集

    2025年12月12日 30 186 34

    数据集概述 该数据集是Wikipedia语言识别基准数据集，包含235种语言的235000个段落，数据分布均衡，并提供训练集和测试集的划分。 文件详解 文件名称: wili-2018.zip 文件格式: ZIP压缩包（.zip） 内容说明: 压缩包内包含数据集的完整内容，具体字段及结构需解压后查看原始文件 适用场景 自然语言处理研究:...
    packageimg

  • 文章提及语言及其ISO代码列表_延续循环

    2025年12月4日 30 179 29

    数据集概述 本数据集为单一PDF文件，内容是文章《延续循环》中提及的语言及其对应的ISO代码列表，为语言相关研究或应用提供标准化编码参考。 文件详解 文件名称：The_languages_mentioned_in_the_article_Continuative Cycle_with_thei_ ISO_codes.pdf 文件格式：PDF...
    packageimg

  • WoLLaI_Mal_Eng_单词级语言识别数据集

    2025年11月29日 30 20 2

    数据集概述 本数据集是针对马拉雅拉姆语-英语混合文本的单词级语言识别标注数据，包含一万二千四百零二个句子，标注类别分为马拉雅拉姆语（Mal）、英语（Eng）、混合词（Mix）和其他（Othr）四类，支持自然语言处理领域的语言识别任务研究。 文件详解 该数据集包含三个格式的文件，具体说明如下： - 文件名称:...
    packageimg