TEDX spanish corpus Train
收藏kaggle2020-01-17 更新2024-03-07 收录
下载链接：
https://www.kaggle.com/datasets/criscastromaya/tedx-spanish-corpus-train
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2020-01-15
相关数据集
Multilingual TEDx Corpus
Multilingual TEDx Corpus是由约翰斯霍普金斯大学创建的一个多语言数据集，旨在支持多种非英语源语言的语音识别（ASR）和语音翻译（ST）研究。该数据集包含来自8种源语言的TEDx演讲音频记录，并提供了6种目标语言的翻译。数据集的创建过程包括将转录文本分割成句子，并与源语言音频和目标语言翻译进行对齐。该数据集的应用领域广泛，旨在解决多语言环境下的语音识别和翻译问题，特别关注低资源
arXiv2021-06-15 更新280
ittailup/tedx_spanish
--- dataset_info: features: - name: audio_id dtype: string - name: audio dtype: audio: sampling_rate: 16000 - name: speaker_id dtype: string - name: gender dtyp
Hugging Face2024-05-15 更新110
BrunoGR/Twitter_Sentiment_Analysis_Train_Corpus_in_Spanish
该数据集名为Twitter_Sentiment_Analysis_Train_Corpus_in_Spanish，主要用于西班牙语的推特情感分析。数据集包含训练集和测试集，分别有1082821和334641个样本。数据集的特征包括etiqueta（标签）和texto（文本），数据类型均为字符串。数据集的许可证为Apache-2.0，语言为西班牙语。
Hugging Face2023-08-10 更新50
ciempiess/tedx_spanish
--- license: cc-by-nc-nd-4.0 dataset_info: config_name: tedx_spanish features: - name: audio_id dtype: string - name: audio dtype: audio: sampling_rate: 16000 - name: s
Hugging Face2024-10-16 更新60
Spanish Corpus
该数据集是一个为训练西班牙语BERT模型而收集的大型语料库，它包含了来自维基百科以及OPUS项目多个来源的文本，这些来源包括联合国和政府期刊、TED演讲、字幕以及新闻故事。这个语料库是对Cardellino在2016年编译版本的更新，其规模与原始BERT训练语料库相当，大约包含30亿个单词。该数据集的任务是预训练一个基于BERT的语言模型。
arXiv150
