Samanantar

Samanantar 是最大的公开可用的印度语言平行语料库：阿萨姆语、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、奥里亚语、旁遮普语、泰米尔语、泰卢固语。该语料库有 4960 万个英语到印度语之间的句子对。

Samanantar is the largest publicly available parallel corpus for Indian languages, covering Assamese, Bengali, Gujarati, Hindi, Kannada, Malayalam, Marathi, Odia, Punjabi, Tamil and Telugu. This corpus contains 49.6 million English-to-Indian language sentence pairs.

搜集汇总

背景与挑战

背景概述

Samanantar是规模最大的公开印度语言平行语料库，涵盖阿萨姆语、孟加拉语等11种印度语言。该数据集包含4960万个英语与这些印度语言之间的平行句子对，发布于2021年。