ayousanz/c4-ja-cleaned

Name: ayousanz/c4-ja-cleaned
Creator: ayousanz
Published: 2024-04-24 16:34:45
License: 暂无描述

Hugging Face2024-04-24 更新2024-06-12 收录

下载链接：

https://hf-mirror.com/datasets/ayousanz/c4-ja-cleaned

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: odc-by language: - ja ---

许可证：odc-by 语言： - 日语

提供机构：

ayousanz

原始信息汇总

数据集概述

许可协议

本数据集遵循ODC-BY许可协议。

语言

数据集包含以下语言：
- 日语（ja）

neody/c4-ja-cleaned

--- dataset_info: features: - name: text dtype: string - name: features dtype: float64 splits: - name: train num_bytes: 29297445666 num_examples: 63360523 download_size: 17

Hugging Face2024-06-11 更新140

ayousanz/OSCOR-2301-ja-cleaned

--- license: cc0-1.0 language: - ja tags: - OSCAR-2301 --- # 概要 [oscar-corpus/OSCAR-2301](https://huggingface.co/datasets/oscar-corpus/OSCAR-2301)の以下のjaのみを [corpus-cleaner](https://github.com/ce-lery

Hugging Face2024-05-09 更新140

neody/c4-ja-cleaned-sample

--- dataset_info: features: - name: text dtype: string - name: features dtype: float64 splits: - name: train num_bytes: 1794827 num_examples: 3805 download_size: 1039544

Hugging Face2024-06-07 更新60

ayousanz/c4-ja-text

该数据集是从[c4](https://huggingface.co/datasets/allenai/c4)的日语数据中提取的content部分，形成了一个文本数据集。数据分析的计算资源由AiHUB提供。

Hugging Face2024-04-22 更新70

ayousanz/Emilia-Dataset-JA-Plus

Emilia数据集是一个全面、多语言的大型语音数据集，包含超过101,000小时的语音数据。它涵盖了六种不同的语言：英语（En）、中文（Zh）、德语（De）、法语（Fr）、日语（Ja）和韩语（Ko）。这个数据集包含了来自互联网上不同视频平台和播客的多样化语音数据，涵盖了各种内容类型，如脱口秀、访谈、辩论、体育评论和有声读物。Emilia数据集还包括了Emilia-Pipe，这是一个开源的语音数据预

Hugging Face2025-02-23 更新50