多语言多领域文本语料

深译科技-多语言分领域双语平行语料产品覆盖多个语种、多个领域的双语平行数据，首先该数据是以中文为核心的双语平行数据，即该数据中的内容为中-外一一对应的句对组成，语言覆盖中英、中葡、中泰等共计 57 个语言，数据量共计 46 亿句对，领域覆盖医疗、法律、电商、文旅、金融、安全、口语、科技等领域。一方面可独立用于机器翻译、自动分类、大模型对齐、大模型调参等模型及产品的研发，提升对应模型及产品的准确率；另一方面结合语音识别、图片识别等技术可完成语音翻译、图片翻译等多维度多场景的应用需求，为人类的工作及生活提供便捷的功能需求。

搜集汇总

背景与挑战

背景概述

该数据集包含46亿条以中文为核心的57种语言双语平行句对，覆盖医疗、法律等8大领域，适用于机器翻译、大模型训练等AI研发需求，支持跨模态翻译应用场景。