MYTH-Lab/GlyphHan

GlyphHan：跨历史来源汉字表征数据集 GlyphHan 汇集多个历史文献数字化项目的汉字单字图像，适用于汉字表征学习、OCR、字体生成与古籍数字化研究。 数据与标签已全部上传。 标签共收录 34,452 个字符、100,019,698 条图像记录；图像分为 688 个未压缩 TAR 分片（000000–000687），合计约 723.70 GB。 文件结构 ├── labels.jsonl # 全局字符标签，采用修复版（约5.79 GB） ├── shard_manifest.jsonl # 字符与分片对应关系、各片图像数量 ├── meta/ │ └── shard-000000.jsonl # 各分片独立标签，共688份 └── shards/ └── shard-000000.tar # 图像分片，共688份，每片约1 GB 每个 TAR 内包含字符图像目录（如 安/00000001.png）及… See the full description on the dataset page: https://huggingface.co/datasets/MYTH-Lab/GlyphHan.

<iframe src="https://silytics.si/embed/item/8d15cad5-dae9-49ed-890c-47515c4cac36" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 16 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.