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
Продавец
Открытые данные
Публично только имя и список карточек. Реквизиты здесь не показываются. Индивидуальный набор заказывается брифом.
Заказать свой наборТаблицы
M2Lingual
Открытый датасет «M2Lingual» от ServiceNow-AI. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
OSCAR 2109
Открытый датасет «OSCAR 2109» от oscar-corpus. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные
Текст и NLP
Biblenlp corpus
Открытый датасет «Biblenlp corpus» от bible-nlp. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Mkqa
Открытый датасет «Mkqa» от apple. Лицензия CC BY 3.0. Файлы остаются у источника.
ТекстCC BY 3.0
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
Текст и NLP
Common language
Открытый датасет «Common language» от speechbrain. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
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
Текст и NLP
Intermediate Thinking 130k
Открытый датасет «Intermediate Thinking 130k» от HelpingAI. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
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
Текст и NLP
Pornhub
Открытый датасет «Pornhub» от Nikity. Лицензия ODC-BY. Файлы остаются у источника.
ТекстODC-BY
У источникаОткрытые данные
Текст и NLP
Russian dialogues
Открытый датасет «Russian dialogues» от Den4ikAI. Лицензия MIT. Файлы остаются у источника.
ТекстMIT
У источникаОткрытые данные
Речь и аудио
Covost2
Открытый датасет «Covost2» от facebook. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
АудиоCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
Bouquet
Открытый датасет «Bouquet» от facebook. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
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
Wiki lingua
Открытый датасет «Wiki lingua» от esdurmus. Лицензия CC BY 3.0. Файлы остаются у источника.
ТаблицаCC BY 3.0
У источникаОткрытые данные
Текст и NLP
Mqa
Открытый датасет «Mqa» от clips. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные
Речь и аудио
MSR 86K
Открытый датасет «MSR 86K» от Alex-Song. Лицензия cc-by-nc-nd-4.0. Файлы остаются у источника.
Аудиоcc-by-nc-nd-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
Last translation benchmark
Открытый датасет «Last translation benchmark» от zouhar. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Таблицы
Llm jailbreak prompt injection dataset
Открытый датасет «Llm jailbreak prompt injection dataset» от Necent. Лицензия MIT. Файлы остаются у источника.
ТаблицаMIT
У источникаОткрытые данные
Текст и NLP
Ru turbo alpaca
Открытый датасет «Ru turbo alpaca» от IlyaGusev. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Wikipedia
Открытый датасет «Wikipedia» от graelo. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ТекстCC BY-SA 3.0
У источникаОткрытые данные
Компьютерное зрение
Wit
Открытый датасет «Wit» от google. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ИзображенияCC BY-SA 3.0
У источникаОткрытые данные
Таблицы
GrandMaster PRO MAX
Открытый датасет «GrandMaster PRO MAX» от Vikhrmodels. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
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
Claude opus 4.7 TraceInversion 5000x
Открытый датасет «Claude opus 4.7 TraceInversion 5000x» от Jackrong. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
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
Claude opus 4.6 TraceInversion 9000x
Открытый датасет «Claude opus 4.6 TraceInversion 9000x» от Jackrong. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
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
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
Linux commands
Открытый датасет «Linux commands» от missvector. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Компьютерное зрение
Gpt roleplay realm
Открытый датасет «Gpt roleplay realm» от IlyaGusev. Лицензия CC BY 4.0. Файлы остаются у источника.
ИзображенияCC BY 4.0
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
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
Текст и NLP
OSCAR 2201
Открытый датасет «OSCAR 2201» от oscar-corpus. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные
Речь и аудио
Common voice
Открытый датасет «Common voice» от legacy-datasets. Лицензия CC0. Файлы остаются у источника.
АудиоCC0
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
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
Текст и NLP
Oscar
Открытый датасет «Oscar» от oscar-corpus. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные
Текст и NLP
Bitext sib200 miners
Открытый датасет «Bitext sib200 miners» от gentaiscool. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Речь и аудио
Pretraining V1
Открытый датасет «Pretraining V1» от projectkaira. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Речь и аудио
Cv corpus v22
Открытый датасет «Cv corpus v22» от mort666. Лицензия CC0. Файлы остаются у источника.
АудиоCC0
У источникаОткрытые данные
Речь и аудио
Granary
Открытый датасет «Granary» от nvidia. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Компьютерное зрение
Global piqa nonparallel
Открытый датасет «Global piqa nonparallel» от mrlbenchmarks. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ИзображенияCC BY-SA 4.0
У источникаОткрытые данные
Таблицы
Wikipedia
Открытый датасет «Wikipedia» от AiHazz. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ТаблицаCC BY-SA 3.0
У источникаОткрытые данные
Таблицы
Mmlu prox eval predictions
Открытый датасет «Mmlu prox eval predictions» от gililior. Лицензия CC BY 4.0. Файлы остаются у источника.
ТаблицаCC BY 4.0
У источникаОткрытые данные
Текст и NLP
OCR Synthetic Multilingual v1
Открытый датасет «OCR Synthetic Multilingual v1» от nvidia. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Таблицы
FineWeb2 HQ QA
Открытый датасет «FineWeb2 HQ QA» от epfml. Лицензия ODC-BY. Файлы остаются у источника.
ТаблицаODC-BY
У источникаОткрытые данные
Текст и NLP
CulturalGround
Открытый датасет «CulturalGround» от neulab. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
Chris meniw ai governance
Открытый датасет «Chris meniw ai governance» от Chris2035. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Компьютерное зрение
Wit base
Открытый датасет «Wit base» от wikimedia. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ИзображенияCC BY-SA 4.0
У источникаОткрытые данные
Речь и аудио
Dialogue episodes
Открытый датасет «Dialogue episodes» от khursanirevo. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
АудиоCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
Oscar small
Открытый датасет «Oscar small» от nthngdy. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные
Текст и NLP
Smol
Открытый датасет «Smol» от google. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
OCR Synthetic Multilingual v1
Открытый датасет «OCR Synthetic Multilingual v1» от Nishant2414. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Imatrix calibration
Открытый датасет «Imatrix calibration» от eaddario. Лицензия MIT. Файлы остаются у источника.
ТекстMIT
У источникаОткрытые данные
Текст и NLP
YouTube Commons
Открытый датасет «YouTube Commons» от PleIAs. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
OCR Synthetic Multilingual v1
Открытый датасет «OCR Synthetic Multilingual v1» от Felix92. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Xlsum
Открытый датасет «Xlsum» от GEM. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Компьютерное зрение
NayanaOCR Corpus 2025
Открытый датасет «NayanaOCR Corpus 2025» от Cognitive-Lab. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
ИзображенияCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
Multilingual pl bert
Открытый датасет «Multilingual pl bert» от styletts2-community. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Include base 44
Открытый датасет «Include base 44» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Речь и аудио
Yodas2 sidon
Открытый датасет «Yodas2 sidon» от sarulab-speech. Лицензия CC BY 3.0. Файлы остаются у источника.
АудиоCC BY 3.0
У источникаОткрытые данные
Таблицы
Multiblimp
Открытый датасет «Multiblimp» от jumelet. Лицензия CC BY 4.0. Файлы остаются у источника.
ТаблицаCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Wmt24pp
Открытый датасет «Wmt24pp» от google. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Таблицы
Xstory cloze
Открытый датасет «Xstory cloze» от juletxara. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Ml spoken words
Открытый датасет «Ml spoken words» от MLCommons. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Речь и аудио
Minds14
Открытый датасет «Minds14» от PolyAI. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Речь и аудио
Quranic Translation Audio Data
Открытый датасет «Quranic Translation Audio Data» от zaibihassan. Лицензия Apache-2.0. Файлы остаются у источника.
АудиоApache-2.0
У источникаОткрытые данные
Таблицы
Xquad
Открытый датасет «Xquad» от google. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Таблицы
Flores plus
Открытый датасет «Flores plus» от openlanguagedata. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Miracl
Открытый датасет «Miracl» от miracl. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
T ECD
Открытый датасет «T ECD» от t-tech. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Таблицы
Finepdfs edu
Открытый датасет «Finepdfs edu» от HuggingFaceFW. Лицензия ODC-BY. Файлы остаются у источника.
ТаблицаODC-BY
У источникаОткрытые данные
Таблицы
SWE chat
Открытый датасет «SWE chat» от SALT-NLP. Лицензия ODC-BY. Файлы остаются у источника.
ТаблицаODC-BY
У источникаОткрытые данные
Текст и NLP
Miracl corpus
Открытый датасет «Miracl corpus» от miracl. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
Wikipedia monthly
Открытый датасет «Wikipedia monthly» от omarkamali. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Sib200
Открытый датасет «Sib200» от Davlan. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Речь и аудио
WorldSpeech
Открытый датасет «WorldSpeech» от disco-eth. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
АудиоCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные
Таблицы
Tydiqa
Открытый датасет «Tydiqa» от google-research-datasets. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Текст и NLP
HelpSteer3
Открытый датасет «HelpSteer3» от nvidia. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Таблицы
Oasst2
Открытый датасет «Oasst2» от OpenAssistant. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Речь и аудио
Common voice 22 0
Открытый датасет «Common voice 22 0» от fsicoli. Лицензия CC0. Файлы остаются у источника.
АудиоCC0
У источникаОткрытые данные
Речь и аудио
MLAAD
Открытый датасет «MLAAD» от mueller91. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
АудиоCC BY-NC 4.0Некоммерческое
У источникаОткрытые данные
Речь и аудио
Svq
Открытый датасет «Svq» от google. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Речь и аудио
Multilingual speech commands 15lang
Открытый датасет «Multilingual speech commands 15lang» от artur-muratov. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Речь и аудио
Xtreme
Открытый датасет «Xtreme» от google. Лицензия Apache-2.0. Файлы остаются у источника.
АудиоApache-2.0
У источникаОткрытые данные
Таблицы
Tokenizer wiki bench
Открытый датасет «Tokenizer wiki bench» от occiglot. Лицензия MIT. Файлы остаются у источника.
ТаблицаMIT
У источникаОткрытые данные
Таблицы
Mgsm
Открытый датасет «Mgsm» от juletxara. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Речь и аудио
Common voice 17 0
Открытый датасет «Common voice 17 0» от fsicoli. Лицензия CC0. Файлы остаются у источника.
АудиоCC0
У источникаОткрытые данные
Речь и аудио
Semantic vad eot
Открытый датасет «Semantic vad eot» от Scicom-intl. Лицензия CC BY 4.0. Файлы остаются у источника.
АудиоCC BY 4.0
У источникаОткрытые данные
Речь и аудио
Common voice 16 0
Открытый датасет «Common voice 16 0» от fsicoli. Лицензия CC0. Файлы остаются у источника.
АудиоCC0
У источникаОткрытые данные
Текст и NLP
M ABSA
Открытый датасет «M ABSA» от Multilingual-NLP. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Временные ряды
Looked up
Открытый датасет «Looked up» от Sbaiiiiii. Лицензия CC0. Файлы остаются у источника.
Временные рядыCC0
У источникаОткрытые данные
Таблицы
Global MMLU
Открытый датасет «Global MMLU» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Таблицы
Oasst1
Открытый датасет «Oasst1» от OpenAssistant. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Таблицы
Wikipedia paragraphs
Открытый датасет «Wikipedia paragraphs» от singletongue. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Таблицы
Xwinograd
Открытый датасет «Xwinograd» от Muennighoff. Лицензия CC BY 4.0. Файлы остаются у источника.
ТаблицаCC BY 4.0
У источникаОткрытые данные
Речь и аудио
GTSinger
Открытый датасет «GTSinger» от AaronZ345. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
АудиоCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
Telegram news ua dataset
Открытый датасет «Telegram news ua dataset» от aisbergpublicorganization. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Таблицы
XP3x
Открытый датасет «XP3x» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Текст и NLP
Megawika
Открытый датасет «Megawika» от hltcoe. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Wikipedia
Открытый датасет «Wikipedia» от legacy-datasets. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ТекстCC BY-SA 3.0
У источникаОткрытые данные
Таблицы
FineWeb2 HQ
Открытый датасет «FineWeb2 HQ» от epfml. Лицензия ODC-BY. Файлы остаются у источника.
ТаблицаODC-BY
У источникаОткрытые данные
Текст и NLP
Belebele
Открытый датасет «Belebele» от facebook. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Речь и аудио
Yodas granary
Открытый датасет «Yodas granary» от espnet. Лицензия CC BY 3.0. Файлы остаются у источника.
АудиоCC BY 3.0
У источникаОткрытые данные
Компьютерное зрение
MathNet
Открытый датасет «MathNet» от ShadenA. Лицензия CC BY 4.0. Файлы остаются у источника.
ИзображенияCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Wiki lingua
Открытый датасет «Wiki lingua» от GEM. Лицензия CC BY-NC-SA 3.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 3.0Некоммерческое
У источникаОткрытые данные
Временные ряды
HPLT2.0 cleaned
Открытый датасет «HPLT2.0 cleaned» от HPLT. Лицензия CC0. Файлы остаются у источника.
Временные рядыCC0
У источникаОткрытые данные
Таблицы
Wikipedia
Открытый датасет «Wikipedia» от wikimedia. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ТаблицаCC BY-SA 3.0
У источникаОткрытые данные
Текст и NLP
C4
Открытый датасет «C4» от allenai. Лицензия ODC-BY. Файлы остаются у источника.
ТекстODC-BY
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
Речь и аудио
Russian LibriSpeech
Открытый речевой корпус OpenSLR 96. Ссылка ведёт к источнику, файлы не копируются.
АудиоCC BY 4.0
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