Amara - universal subtitles

B2FIND2026-04-25 收录

平行语料库

多语言字幕

数据链接：

https://b2find.eudat.eu/dataset/a8889950-f7ec-5118-a5c2-36be3892e5b2 数据链接链接失效反馈

官方服务：

资源简介：

Large set of subtitles available for download in multiple languages. Can be used as parallel corpus.

本数据集包含海量多语言可下载字幕资源，可作为平行语料库（parallel corpus）使用。

community-datasets/setimes

多语言翻译

平行语料库

SETimes数据集是一个包含英语和东南欧语言（如保加利亚语、波斯尼亚语、希腊语、克罗地亚语、马其顿语、罗马尼亚语、阿尔巴尼亚语、塞尔维亚语和土耳其语）的平行语料库。该数据集是多语言的，包含超过10万条但少于100万条数据记录。数据集的主要任务是翻译任务，支持多种语言对的翻译。每个语言对的训练数据大小、下载大小和数据集大小在配置信息中详细列出。数据集的许可证为CC BY-SA 4.0。

Hugging Face2024-06-26 更新470

Indic-Data

印度文学

平行语料库

这是一个由各种印度来源和印度文学积累而成的数据集，包括古典印度文学文本、印度数学家的数学论文和经文、相关研究论文和数据源等。数据集目前包含的区域语言数据有古吉拉特语和马拉地语，以及英语到孟加拉语、马拉雅拉姆语、泰米尔语、泰卢固语和乌尔都语的平行语料库。

Hugging Face2025-08-02 更新120

UFAL Parallel Corpus of North Levantine 1.0

平行语料库

机器翻译

This corpus contains multiparallel sentences in English, French, German, Greek, Spanish, and Standard Arabic. The sentences have been selected from the [OpenSubtitles2018](http://opus.nlpl.eu/OpenSubt

SSH Open MarketPlace2023-10-13 更新90

GALE Phase 4 Arabic Weblog Parallel Sentences

机器翻译

平行语料库

Introduction GALE Phase 4 Arabic Weblog Parallel Sentences was developed by the Linguistic Data Consortium (LDC). Along with other corpora, the parallel text in this release comprised

DataCite Commons2021-07-01 更新160

dumitrescustefan/ro_sts_parallel

平行语料库

翻译

RO-STS-Parallel数据集是一个罗马尼亚语和英语的平行语料库，该数据集是通过将STS英语数据集翻译成罗马尼亚语而获得的。数据集包含17256个罗马尼亚语和英语的句子对。数据集的结构包括训练集、验证集和测试集，分别包含11498、3000和2758个句子对。数据集的创建过程包括使用谷歌翻译引擎进行自动翻译，然后由人工志愿者进行手动检查和校正。数据集的许可证为CC BY-SA 4.0。

Hugging Face2024-01-18 更新110

Amara - universal subtitles

资源简介：

相关数据集