Datasets:
image imagewidth (px) 734 5.02k | doc_id stringlengths 14 40 | doc_folder stringlengths 15 45 | page_id stringclasses 9
values | text stringlengths 0 2.95k | text_cleaned stringlengths 0 2.95k | lines listlengths 0 51 | num_lines int32 0 51 | num_words int32 0 472 | num_chars int32 0 2.95k | width int32 734 5.02k | height int32 993 4.71k | image_quality stringclasses 3
values | page_xml stringlengths 458 163k |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Briefe_Winterthur_7419856 | Briefe_Winterthur_7419856 | 001 | E. am 4. Juny 1830.
Ich sende Inen, mein vererter Herr und nachbar!
die Angela mit einem langen oder kurzen E. zurük
und um nicht in den verdacht zu kommen, als ob
Ich Sie um einen verdienten rum bringen wollte;
so enthalte ich mich aller bemerkungen über die
einzelheiten der composition, und erlaube mir blos
die, jedo... | E. am 4. Juny 1830.
Ich sende Inen, mein vererter Herr und nachbar!
die Angela mit einem langen oder kurzen E. zurük
und um nicht in den verdacht zu kommen, als ob
Ich Sie um einen verdienten rum bringen wollte;
so enthalte ich mich aller bemerkungen über die
einzelheiten der composition, und erlaube mir blos
die, jedo... | [
"E. am 4. Juny 1830.",
"Ich sende Inen, mein vererter Herr und nachbar!",
"die Angela mit einem langen oder kurzen E. zurük",
"und um nicht in den verdacht zu kommen, als ob",
"Ich Sie um einen verdienten rum bringen wollte;",
"so enthalte ich mich aller bemerkungen über die",
"einzelheiten der composit... | 22 | 179 | 1,098 | 2,874 | 4,708 | High-Res (≥12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15 http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15/... | |
Briefe_Winterthur_7419856 | Briefe_Winterthur_7419856 | 002 | H. v. Meusebach hat mir durch einen H. David gessner
V.D.M. der von Berlin nach dem nobile Turegum
heimgekert ist, zwei literar. Seltenheiten gesendet;
aber nicht dazu geschrieben. Das eine ist der unvollendete
III. band der Müllerschen Sammlung, welcher nahe an
25000 verse von Conrads v. Würzburg trojanischem
Krieg un... | H. v. Meusebach hat mir durch einen H. David gessner
V.D.M. der von Berlin nach dem nobile Turegum
heimgekert ist, zwei literar. Seltenheiten gesendet;
aber nicht dazu geschrieben. Das eine ist der unvollendete
III. band der Müllerschen Sammlung, welcher nahe an
25000 verse von Conrads v. Würzburg trojanischem
Krieg un... | [
"H. v. Meusebach hat mir durch einen H. David gessner",
"V.D.M. der von Berlin nach dem nobile Turegum",
"heimgekert ist, zwei literar. Seltenheiten gesendet;",
"aber nicht dazu geschrieben. Das eine ist der unvollendete",
"III. band der Müllerschen Sammlung, welcher nahe an",
"25000 verse von Conrads v. ... | 24 | 191 | 1,179 | 2,946 | 4,708 | High-Res (≥12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15 http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15/... | |
Briefe_Winterthur_7419856 | Briefe_Winterthur_7419856 | 003 | Gestern kam er gar nicht und heute erst abends 4 ur.
ich war gestern ein wenig an der sonne, und sie
machte mir ser heiss. ich dachte dabei an die gallischen
männer, welche jezt auf dem afrikanischen Sande
lagern werden und gewiss nicht in die holen hände
hauchen. Da am Sonntage nicht gearbeitet wird;
so könnte es wol ... | Gestern kam er gar nicht und heute erst abends 4 ur.
ich war gestern ein wenig an der sonne, und sie
machte mir ser heiss. ich dachte dabei an die gallischen
männer, welche jezt auf dem afrikanischen Sande
lagern werden und gewiss nicht in die holen hände
hauchen. Da am Sonntage nicht gearbeitet wird;
so könnte es wol ... | [
"Gestern kam er gar nicht und heute erst abends 4 ur.",
"ich war gestern ein wenig an der sonne, und sie",
"machte mir ser heiss. ich dachte dabei an die gallischen",
"männer, welche jezt auf dem afrikanischen Sande",
"lagern werden und gewiss nicht in die holen hände",
"hauchen. Da am Sonntage nicht gear... | 22 | 172 | 1,027 | 2,874 | 4,686 | High-Res (≥12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15 http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15/... | |
Weimar_12542129 | Weimar_12542129 | 001 | 284.
Lieber Leonhard!
Im Jare des heiles 1473. als Konstanz noch keine offizin hatte, wurde dahier ein buch gedruckt, die Quaestiones des heil:
Augustinus, der druker hieß Lucas Brandis, und Meersburg wird darinne Marsipolis genannt: ich schreibe
dir also aus der alten Marsipolis und zwar aus der ἀκροˊπολις derselben, ... | 284.
Lieber Leonhard!
Im Jare des heiles 1473. als Konstanz noch keine offizin hatte, wurde dahier ein buch gedruckt, die Quaestiones des heil:
Augustinus, der druker hieß Lucas Brandis, und Meersburg wird darinne Marsipolis genannt: ich schreibe
dir also aus der alten Marsipolis und zwar aus der ἀκροˊπολις derselben, ... | [
"284.",
"Lieber Leonhard!",
"Im Jare des heiles 1473. als Konstanz noch keine offizin hatte, wurde dahier ein buch gedruckt, die Quaestiones des heil:",
"Augustinus, der druker hieß Lucas Brandis, und Meersburg wird darinne Marsipolis genannt: ich schreibe",
"dir also aus der alten Marsipolis und zwar aus d... | 20 | 291 | 1,855 | 3,148 | 3,543 | Mid-Res (4-12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15">
<Metadata>
<Creator>prov=READ-COOP:name=TrHtr:version=2.35.0:model_id=265149:date=02_12_2025_12:52</Creator>
<Created>2025-11-29T13:22:15.449+01:00</Created>
<LastChange>202... | |
Weimar_12542129 | Weimar_12542129 | 002 | Bei meiner hieherkunft fand ich ein von Deiner hand, lieber Leonhard! überschriebenes passet, enthaltend die defecte
des von Dir meiner frau geschenkten franz: Evangelien buches, wofür ich dir Jennys besten dank abstattenn soll: wir
wollen nun trachten dem schönen werke auch einen anständigen rok anzulegen und hoffen e... | Bei meiner hieherkunft fand ich ein von Deiner hand, lieber Leonhard! überschriebenes passet, enthaltend die defecte
des von Dir meiner frau geschenkten franz: Evangelien buches, wofür ich dir Jennys besten dank abstattenn soll: wir
wollen nun trachten dem schönen werke auch einen anständigen rok anzulegen und hoffen e... | [
"Bei meiner hieherkunft fand ich ein von Deiner hand, lieber Leonhard! überschriebenes passet, enthaltend die defecte",
"des von Dir meiner frau geschenkten franz: Evangelien buches, wofür ich dir Jennys besten dank abstattenn soll: wir",
"wollen nun trachten dem schönen werke auch einen anständigen rok anzuleg... | 20 | 283 | 1,758 | 3,109 | 3,543 | Mid-Res (4-12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15">
<Metadata>
<Creator>prov=READ-COOP:name=TrHtr:version=2.35.0:model_id=265149:date=02_12_2025_14:08</Creator>
<Created>2025-11-29T13:22:15.595+01:00</Created>
<LastChange>202... | |
BLB_K 3123 8 2_703914 | done_BLB_K 3123 8 2_703914 | 001 | 151.
K 3123,8,2
E. am 10 may 1831.
Lieber Herr Kamerad! ich size an dem Tische, an dem Sie
so lange, doch mir nicht lange genug gesessen und so
manches geschrieben haben; man bringt mir Iren brief
nebst noch zwei andern von meinem sone dem hauptmann
und Uhland und ich lege den Berliner codex der Hätzlerin
weg, um Inen ... | 151.
K 3123,8,2
E. am 10 may 1831.
Lieber Herr Kamerad! ich size an dem Tische, an dem Sie
so lange, doch mir nicht lange genug gesessen und so
manches geschrieben haben; man bringt mir Iren brief
nebst noch zwei andern von meinem sone dem hauptmann
und Uhland und ich lege den Berliner codex der Hätzlerin
weg, um Inen ... | [
"151.",
"K 3123,8,2",
"E. am 10 may 1831.",
"Lieber Herr Kamerad! ich size an dem Tische, an dem Sie",
"so lange, doch mir nicht lange genug gesessen und so",
"manches geschrieben haben; man bringt mir Iren brief",
"nebst noch zwei andern von meinem sone dem hauptmann",
"und Uhland und ich lege den Be... | 25 | 204 | 1,253 | 1,628 | 2,750 | Mid-Res (4-12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15 http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15/... | |
BLB_K 3123 8 2_703914 | done_BLB_K 3123 8 2_703914 | 002 | über mich sagen, trifft nichts! ich bin ein mann wie ein an=
derer, und ich kann nicht anders glauben, als daß das
Bild, was Ire phantasie nach dem ersten zusamentreffen
sich von mir ausgemalt hatte, bei näherer und längerer
betrachtung von seinem glantze viel verloren haben muss.
aber das tut nichts, ich glaue der Ker... | über mich sagen, trifft nichts! ich bin ein mann wie ein an=
derer, und ich kann nicht anders glauben, als daß das
Bild, was Ire phantasie nach dem ersten zusamentreffen
sich von mir ausgemalt hatte, bei näherer und längerer
betrachtung von seinem glantze viel verloren haben muss.
aber das tut nichts, ich glaue der Ker... | [
"über mich sagen, trifft nichts! ich bin ein mann wie ein an=",
"derer, und ich kann nicht anders glauben, als daß das",
"Bild, was Ire phantasie nach dem ersten zusamentreffen",
"sich von mir ausgemalt hatte, bei näherer und längerer",
"betrachtung von seinem glantze viel verloren haben muss.",
"aber das... | 25 | 215 | 1,343 | 1,628 | 2,750 | Mid-Res (4-12 MP) | <?xml version='1.0' encoding='utf-8'?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15 http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15/... | |
BLB_K 3123 8 2_703914 | done_BLB_K 3123 8 2_703914 | 003 | "wieder einfügen und ein L darauf stechen; so erinnert es Sie,\nauf dem schreibtische stehend, dest(...TRUNCATED) | "wieder einfügen und ein L darauf stechen; so erinnert es Sie,\nauf dem schreibtische stehend, dest(...TRUNCATED) | ["wieder einfügen und ein L darauf stechen; so erinnert es Sie,","auf dem schreibtische stehend, de(...TRUNCATED) | 25 | 266 | 1,599 | 1,628 | 2,750 | Mid-Res (4-12 MP) | "<?xml version='1.0' encoding='utf-8'?>\n<PcGts xmlns=\"http://schema.primaresearch.org/PAGE/gts/pag(...TRUNCATED) | |
BLB_K 3123 8 2_703914 | done_BLB_K 3123 8 2_703914 | 004 | "ich wünschte, daß Sie sich angewönten, wenn Sie von einer handschrift\nsprechen, auch zugleich d(...TRUNCATED) | "ich wünschte, daß Sie sich angewönten, wenn Sie von einer handschrift\nsprechen, auch zugleich d(...TRUNCATED) | ["ich wünschte, daß Sie sich angewönten, wenn Sie von einer handschrift","sprechen, auch zugleich(...TRUNCATED) | 30 | 294 | 1,769 | 1,628 | 2,750 | Mid-Res (4-12 MP) | "<?xml version='1.0' encoding='utf-8'?>\n<PcGts xmlns=\"http://schema.primaresearch.org/PAGE/gts/pag(...TRUNCATED) | |
BLB_K 3123 8 4_703532 | done_BLB_K 3123 8 4_703532 | 001 | "276.\nK312,8,4\nEppishausen am 13. October 1831.\nWarum kommen Sie denn nicht? warm schreiben Sie d(...TRUNCATED) | "276.\nK312,8,4\nEppishausen am 13. October 1831.\nWarum kommen Sie denn nicht? warm schreiben Sie d(...TRUNCATED) | ["276.","K312,8,4","Eppishausen am 13. October 1831.","Warum kommen Sie denn nicht? warm schreiben S(...TRUNCATED) | 22 | 285 | 1,730 | 2,558 | 3,283 | Mid-Res (4-12 MP) | "<?xml version='1.0' encoding='utf-8'?>\n<PcGts xmlns=\"http://schema.primaresearch.org/PAGE/gts/pag(...TRUNCATED) |
End of preview. Expand in Data Studio
Laßberg 19th-Century German Letters HTR Dataset (Page-Level)
A document-level split benchmark dataset of 19th-century German handwritten letters (predominantly Kurrent and Latin script) from the correspondence of Joseph Freiherr von Laßberg (1770–1855).
Each record corresponds to a full manuscript page paired with its diplomatic ground-truth transcription, a cleaned evaluation transcription, line-by-line transcriptions, image resolution metadata, and the sanitized PAGE XML layout & baseline annotation (page_xml).
Corpus & Split Statistics
Splits are partitioned strictly at the document (letter) level (train / validation / test) to prevent writer or paper leakage across splits.
| Split | Documents (Letters) | Pages | Text Lines | Words (Whitespace) | Words (Cleaned) | Tokens (Word + Punct) | Characters (Raw) | Avg. Lines / Page |
|---|---|---|---|---|---|---|---|---|
| Train | 119 | 313 | 5,769 | 52,365 | 52,361 | 61,479 | 327,883 | 18.43 |
Validation (dev) |
17 | 40 | 680 | 6,573 | 6,573 | 7,750 | 40,779 | 17.00 |
Test (eval) |
12 | 39 | 833 | 7,074 | 7,074 | 8,343 | 42,674 | 21.36 |
| Total | 148 | 392 | 7,282 | 66,012 | 66,008 | 77,572 | 411,336 | 18.58 |
Image Resolution Breakdown (Pages)
| Split | High-Res (≥12 MP) | Mid-Res (4–12 MP) | Low-Res (<4 MP) |
|---|---|---|---|
| Train | 36 | 131 | 146 |
Validation (dev) |
14 | 22 | 4 |
Test (eval) |
8 | 14 | 17 |
| Total | 58 | 167 | 167 |
Dataset Schema
| Column | Type | Description |
|---|---|---|
image |
Image |
Full page scan (PIL.Image). Original TIFF images are losslessly encoded as PNG so all rows render natively in the HuggingFace Dataset Viewer while preserving exact pixel dimensions. |
doc_id |
string |
Clean letter/document identifier (e.g., lassberg-letter-0077_12635807). |
doc_folder |
string |
Original ground-truth folder name. |
page_id |
string |
Page number within the letter (e.g., 001, 002). |
text |
string |
Full page transcription (newline-separated lines) preserving editorial brackets ([einfügung: ...], [durchgestrichen: ...], [unlesbar]). |
text_cleaned |
string |
Full page transcription with editorial brackets resolved/stripped for standard CER evaluation. |
lines |
list[string] |
Ordered list of individual line transcriptions on the page. |
num_lines |
int32 |
Number of transcribed text lines on the page. |
num_words |
int32 |
Number of whitespace-delimited words on the page. |
num_chars |
int32 |
Number of characters in text. |
width |
int32 |
Page image width in pixels (matches imageWidth in page_xml). |
height |
int32 |
Page image height in pixels (matches imageHeight in page_xml). |
image_quality |
string |
Megapixel resolution tier (High-Res (≥12 MP), Mid-Res (4-12 MP), or Low-Res (<4 MP)). |
page_xml |
string |
Complete PAGE XML (http://schema.primaresearch.org/PAGE/gts/pagecontent/2013-07-15) containing <TextRegion>, <TextLine>, <Coords>, <Baseline>, and <TextEquiv> annotations, with internal <TranskribusMetadata> removed. |
Usage
from datasets import load_dataset
dataset = load_dataset("<your-hf-username-or-org>/lassberg-letters-htr")
sample = dataset["test"][0]
image = sample["image"] # PIL.Image
text = sample["text_cleaned"] # Plain-text transcription for CER evaluation
xml_str = sample["page_xml"] # PAGE XML with line polygons and baselines
Acknowledgments
We gratefully acknowledge the archives and libraries that provided the manuscript scans included in this dataset:
- Staatsarchiv des Kantons Basel-Stadt
- Kantonsbibliothek Vadiana
- Staatsarchiv Thurgau
- Badische Landesbibliothek
- Universitätsbibliothek Freiburg
- Fürstlich Fürstenbergisches Archiv
- Kantonsbibliothek Appenzell Ausserrhoden
- Staatsarchiv Aargau
- Goethe- und Schiller-Archiv
- Studienbibliothek Winterthur
- Downloads last month
- 136