General Conversation speech datasets in Changana for Street conversation

Macgence Data Marketplace2026-04-25 收录

低资源语言

街头对话语音采集

数据链接：

https://data.macgence.com/dataset/general-conversation-speech-datasets-in-changana-for-street-conversation 数据链接链接失效反馈

官方服务：

资源简介：

The audio dataset includes General Conversation, featuring Changana speakers from Africa with detailed metadata.

jamalimubashirali/sindhi-pretraining-corpus-part3

信德语预训练

低资源语言

--- dataset_info: features: - name: book_id dtype: int64 - name: url dtype: string - name: source dtype: string - name: text dtype: string - name: chunk_index dtype: in

Hugging Face2026-03-23 更新110

skesiraju/Shrutilipi

自动语音识别

低资源语言

Shrutilipi数据集是一个包含8种印度语言的广播音频转录的全版本数据集，这些语言包括孟加拉语、印地语、卡纳达语、马拉雅拉姆语、马哈拉施特拉语、奥里亚语、泰米尔语和泰卢固语。该数据集由AI4Bharat团队自动整理而成，用于为资源匮乏的语言提供自动语音识别（ASR）的训练数据。数据集包含自动生成的转录文本和对应的质量评分，用户可以根据质量评分来筛选数据。

Hugging Face2025-10-21 更新80

MultiIndicMT dataset

机器翻译

低资源语言

该数据集包含了从10种印度语言翻译成英语的配对，根据不同的语言组合，配对数量在23,000到50,000对之间。此外，该数据集特别适用于低资源语言环境。在资源规模上，它属于资源较少的范畴，其任务是机器翻译。

arXiv70

Jendersen/cornish_english_translation

机器翻译

低资源语言

这是一个小而高质量的Cornish（kw）和英语（en）平行句子语料库，非常适合低资源多语言机器翻译研究和原型设计。Cornish（Kernewek或Kernowek [kəɾˈnuːək]）是Brittonic亚组的一种极度濒危的凯尔特语言，是Cornish人和他们的家园Cornwall的母语。该数据集提供了Cornish和英语的专业对齐句子，是少数公开可用的低资源语言资源之一。数据集以Parq

Hugging Face2025-12-16 更新100

metunlp/LlamaTurk-Instruction-Set

文本生成

低资源语言

该数据集用于指令微调，具体应用于研究LlamaTurk: Adapting Open-Source Generative Large Language Models for Low-Resource Language。

Hugging Face2024-05-13 更新80