Most spoken Indian languages worldwide 2025

Statista2026-04-11 收录

印度语言学

语言统计

数据链接：

https://www.statista.com/statistics/1614099/worldwide-indian-languages-spoken/数据链接链接失效反馈

官方服务：

资源简介：

Most spoken Indian languages worldwide in 2025 (in millions)

google/IndicGenBench_crosssum_in

多语言生成

印度语言学

IndicGenBench数据集，特别是其子集CrossSum-IN，是一个多语言、多任务并行基准测试，旨在评估大型语言模型（LLMs）在29种印度语言上的生成能力。该数据集涵盖了13种书写系统和4种语言家族，包括孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、泰米尔语、泰卢固语、乌尔都语、阿萨姆语、博杰普尔语、尼泊尔语、奥里亚语、旁遮普语、普什图语、梵语、阿瓦德语、哈里亚纳语、藏

Hugging Face2024-05-04 更新630

Statisitics of Irish Speakers

语言统计

爱尔兰语言

Number of Irish speakers broken down by age group, county, etc.

kaggle2020-10-26 更新150

Cognitive-Lab/Aya_Dataset_Indic

印度语言学

自然语言处理

该数据集包含多种语言（如孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、缅甸语、尼泊尔语、旁遮普语、僧伽罗语、信德语、泰米尔语、泰卢固语和乌尔都语）的文本数据。每个语言的数据集包含输入（inputs）、目标（targets）、语言（language）、语言代码（language_code）、注释类型（annotation_type）和用户ID（user_id）等特征。数据集主要用于

Hugging Face2024-03-08 更新150

ai4bharat dataset

自动语音识别

印度语言学

Shrutilipi_bn is a labelled ASR corpus by Ai4Bharat

kaggle2022-10-19 更新220

microsoft/Updesh_beta

多语言模型

印度语言学

Updesh是一个大规模的合成数据集，旨在推动印度语系的LLM后训练。它结合了翻译推理数据和合成的开放域生成内容，以支持基于印度语言和文化背景的多语言LLM适应。Updesh通过提供丰富的多语言指令调整数据，填补了高质量、文化基础资源在印度语系中的空白。

Hugging Face2025-07-07 更新150