Речь и аудио
Common Voice: русский
Открытый корпус чтения на русском от Mozilla. Файлы остаются у источника, лицензия CC0.
АудиоCC0
У источникаОткрытые данные
Каталог
122 карточек. Снятые по жалобе сюда не попадают.
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
Текст и NLP
Дамп русской Википедии
Тексты статей русской Википедии. Каноническая ссылка — официальный дамп Wikimedia.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
MLDR
Открытый датасет «MLDR» от Shitao. Лицензия MIT. Файлы остаются у источника.
ТекстMIT
У источникаОткрытые данные
Текст и NLP
Mc4
Открытый датасет «Mc4» от legacy-datasets. Лицензия ODC-BY. Файлы остаются у источника.
ТекстODC-BY
У источникаОткрытые данные
Компьютерное зрение
Laion coco nllb
Открытый датасет «Laion coco nllb» от visheratin. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
ИзображенияCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные
Компьютерное зрение
MDPBench
Открытый датасет «MDPBench» от Delores-Lin. Лицензия Apache-2.0. Файлы остаются у источника.
ИзображенияApache-2.0
У источникаОткрытые данные