Dataset Viewer
Auto-converted to Parquet Duplicate
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