CASIA-LM/OpenS2S_Datasets 已完整同步

使用这个数据集

REST 可获取元数据、文件分页和有限记录样例。

查看元数据

curl -sS 'https://dataset.wehub.plus/v2/datasets/ds_ext_3265_ea44c35d32'

列出文件

curl -sS 'https://dataset.wehub.plus/v2/datasets/ds_ext_3265_ea44c35d32/files?version=31ac20ccf035cb76ffb7984801180be729cfbdc1&limit=20&offset=0'

读取样例记录

curl -sS 'https://dataset.wehub.plus/v2/files/03a38615-33d9-0212-6938-96e3678454c1/records?format=ndjson&limit=20'

用 CLI 下载

wehub datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32

下载需要登录；CLI 复用 wehub auth login 的凭证，并为每个文件申请有时效的授权链接。

前置要求

需要 Node.js 18 及以上，以及 npm（或 npx）。

1. 安装 CLI

npm install -g wehub-cli@latest

2. 下载此数据集

wehub datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32

若中断或部分失败，在同一目录重新执行同一命令即可续传。默认会校验 SHA-256。

免全局安装

npx --yes wehub-cli@latest datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32

高级选项

以下为 wehub datasets download 已支持的参数示例：

强制重新下载，不复用已校验的本地文件

wehub datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32 --overwrite

仅包含匹配路径

wehub datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32 --include "*.jsonl"

排除匹配路径

wehub datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32 --exclude "*.md"

提高并发下载数

wehub datasets download ds_ext_3265_ea44c35d32 --revision 31ac20ccf035cb76ffb7984801180be729cfbdc1 --output ./ds_ext_3265_ea44c35d32 --jobs 8

完整帮助：wehub datasets download --help