Таблицы
Flores
Открытый датасет «Flores» от facebook. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Каталог
115 карточек. Снятые по жалобе сюда не попадают.
Таблицы
Wikisource
Открытый датасет «Wikisource» от wikimedia. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ТаблицаCC BY-SA 3.0
У источникаОткрытые данные
Текст и NLP
Xlsum
Открытый датасет «Xlsum» от csebuetnlp. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Речь и аудио
LEMAS Dataset train
Открытый датасет «LEMAS Dataset train» от LEMAS-Project. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Таблицы
Multi IF
Открытый датасет «Multi IF» от facebook. Лицензия cc-by-nc-2.0. Файлы остаются у источника.
Таблицаcc-by-nc-2.0Некоммерческое
У источникаОткрытые данные
Речь и аудио
Common Voice: русский
Открытый корпус чтения на русском от Mozilla. Файлы остаются у источника, лицензия CC0.
АудиоCC0
У источникаОткрытые данные
Текст и NLP
Aya redteaming
Открытый датасет «Aya redteaming» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Речь и аудио
Speech MASSIVE
Открытый датасет «Speech MASSIVE» от FBK-MT. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
АудиоCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Таблицы
GlotCC V1
Открытый датасет «GlotCC V1» от cis-lmu. Лицензия CC0. Файлы остаются у источника.
ТаблицаCC0
У источникаОткрытые данные
Текст и NLP
PangeaInstruct
Открытый датасет «PangeaInstruct» от neulab. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
Mqa
Открытый датасет «Mqa» от clips. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные
Текст и NLP
Bactrian X
Открытый датасет «Bactrian X» от MBZUAI. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
ТекстCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные