Logo
Project Icon

dataset

摩洛哥方言Darija与英语双语开源数据集DODa

DarijaDODa开源数据集摩洛哥方言自然语言处理Github开源项目

Darija Open Dataset (DODa)是一个专注于摩洛哥方言的开源项目，包含约15万条条目。该数据集提供语义和语法分类、多种拼写形式、词形变化以及大量翻译句子。DODa采用拉丁字母和阿拉伯字母，反映了Darija拼写的多样性，为自然语言处理应用提供了丰富资源。项目目标是成为Darija NLP的重要参考，并鼓励社区贡献。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
tessdata - Tesseract.js OCR语言数据集综合指南
GithubNPM包OCRTesseract.js开源项目训练数据语言模型
tessdata项目是Tesseract.js的多语言OCR数据集仓库。它提供了LSTM和传统OCR引擎的训练文件，包括默认和替代版本。项目详细说明了各数据集特点、NPM包发布状态，并介绍了通过CDN或本地方式集成到Tesseract.js的方法。这一资源为开发者提供了全面的OCR语言数据集使用指南。
DoRA - 大型语言模型微调的权重分解低秩适应方法
DoRAGithub低秩适应大语言模型开源项目微调权重分解
DoRA是一种新型大型语言模型微调方法，通过将预训练权重分解为幅度和方向两个部分进行更新。与LoRA相比，DoRA在保持参数效率的同时提升了模型的学习能力和训练稳定性。研究表明，DoRA在常识推理、视觉指令调优和图像/视频-文本理解等多项下游任务中表现优于LoRA。该技术已集成到Hugging Face PEFT和Diffusers库中，可用于多种模型的微调。
EmoV-DB - 情感语音合成的多样化开源数据集
CMU arcticEmoV-DBGithub开源项目强制对齐情感语音数据库语音合成
EmoV-DB是一个专为情感语音合成设计的开源数据集。它收录了四位说话人(两男两女)的录音,包括中性、困倦、愤怒、厌恶和愉悦五种情感风格。数据集基于CMU arctic文本,包含超过5000条录音样本,音频采用16位WAV格式。EmoV-DB还集成了强制对齐功能,可分离语音中的语言和非语言成分。这一资源旨在增强语音生成系统的情感表达控制,为相关研究提供重要支持。
chat-dataset-baseline - 中文对话模型训练资源整合平台
AI训练GithubLLaMA-Factory中文对话模型开源项目数据集模型优化
chat-dataset-baseline项目整合Hugging Face平台优质数据集，为中文对话模型训练提供全面资源。采用PDCA循环迭代，涵盖数据选择、模型训练、测试和优化。项目提供详细指南，适合数据科学家和AI爱好者快速上手，用于训练高质量中文基础模型，为特定行业应用打下基础。
game-datasets - 全面收录游戏数据集与AI工具资源
APIGithub人工智能开源游戏开源项目数据挖掘游戏数据集
game-datasets项目汇集了大量游戏相关的数据集、API和AI工具资源。涵盖从经典游戏到现代电竞的多个领域,提供了丰富的数据挖掘和AI开发素材。项目持续更新,为游戏AI和数据科学研究提供全面参考。收录内容包括游戏API、AI竞赛平台、开源游戏引擎、相关书籍等,是游戏研究和开发的重要资源库。
webdataset - 大规模深度学习数据集的管理工具
GithubPyTorchWebDatasettar文件开源项目数据管道深度学习
WebDataset是一种高性能的数据管理工具，专为大规模深度学习任务设计。它支持从本地存储和云对象存储读取数据，兼容PyTorch、TensorFlow和JAX。WebDataset能高效处理和读取多种格式的数据集，如图像、音频和视频，极大地提升I/O性能并简化数据预处理。其优势包括低延迟、无需本地存储及并行数据访问，适用于不同规模的深度学习任务。
awesome-diarization - 说话者分离和语音分割的数据集
FunASRGithubMiniVoxSIDEKITSpeaker DiarizationSpeechBrain开源项目
提供全面的说话者分离资源，包括最新的论文、软件工具、数据集和学习材料，旨在推进语音分割和说话者识别技术的发展。这些资源汇集了深度学习的最新进展及其实际应用，帮助研究人员和开发者找到最有效的解决方案。
OLMo - 开源语言模型加速科学研究
GithubOLMo人工智能开源语言模型开源项目机器学习自然语言处理
OLMo是一个开源语言模型项目，提供多种规模的先进模型，如1B、7B和7B Twin 2T，全部基于Dolma数据集训练。该项目支持模型训练、微调和推理，提供详细配置和检查点以确保研究可重现。OLMo还包含数据检查和评估工具，为语言模型研究提供全面支持，旨在加速这一领域的科学进展。
DialogStudio - 提供丰富多样的对话数据集和任务意识模型
DialogStudioGithubHuggingface对话开源项目数据集模型
DialogStudio 是一个全面的对话数据集项目，包含大量统一的对话数据集和任务意识模型，支持对单个数据集和大型语言模型的训练。用户可以通过 HuggingFace 轻松下载和使用这些数据集，涵盖从知识驱动到任务导向多个领域。同时，项目进行了高质量的数据集评估，提供了详细的评价标准和评分。DialogStudio 既促进会话 AI 研究，也为模型开发者和数据科学家提供了重要资源，推动该领域的创新与进步。
speech-dataset-generator - 多语言语音数据集生成与处理工具
GithubSpeech Dataset Generator多语言支持开源项目数据集生成语音识别音频处理
speech-dataset-generator是一款开源的多语言语音数据集处理工具。它支持从多种来源获取音频，包括YouTube、LibriVox和TED Talks等。该工具提供音频转录、质量增强、静音移除、性别识别、多说话者检测等功能，还能计算语速指标。通过集成多种音频增强器，speech-dataset-generator为文本转语音和语音转文本模型的训练提供了全面的数据准备解决方案。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号