Parallel Corpus of Banjar Dialect Hulu-Indonesian Language

NIAID Data Ecosystem2026-05-10 收录

低资源机器翻译

方言平行语料库

数据链接：

https://data.mendeley.com/datasets/4w4djjn37j 数据链接链接失效反馈

官方服务：

资源简介：

The parallel corpus was built manually with reference to the Indonesian Hulu Dialect Banjar Dictionary. The existing data consists of 7005 entries that have been verified by local speakers.

创建时间：

2026-02-17

nllb-mos

低资源机器翻译

翻译质量评估

该数据集包含两种语言之间的句子对，主要字段包括英语（eng_Latn）和莫桑比克语（mos_Latn）的句子文本，以及相关的语言识别分数（laser_score）、语言标识概率（source_glotlid_prob, target_glotlid_prob）和机器翻译质量评估分数（comet_qe_en_mos）。此外，数据集还提供了句子来源的URL和原始句子信息。数据集规模较大，包含2,197

Hugging Face2026-04-02 更新230

africa-intelligence/yahma-alpaca-cleaned-xh

低资源机器翻译

多语言对话生成

--- dataset_info: features: - name: en-output dtype: string - name: xh-output dtype: string - name: en-input dtype: string - name: xh-input dtype: string - name: en-instruc

Hugging Face2024-10-03 更新100

menyo20k_mt

低资源机器翻译

约鲁巴语

MENYO-20k是一个多领域并行数据集，包含从新闻文章、TED演讲、电影剧本、广播稿、科技文章以及其他网络短文和专业翻译人员整理的文本。数据集规模为20,100个平行句子，分为10,070个训练句、3,397个开发句和6,633个测试句（包括3,419个多领域句子、1,714个新闻领域句子和1,500个TED演讲稿领域句子）。它主要用于英-约鲁巴语的翻译任务，并采用CC BY-NC 4.0非商业

OpenCSG2024-07-19 更新70

saillab/alpaca_icelandic_taco

低资源机器翻译

跨语言

--- language: - is pretty_name: Icelandic alpaca-52k size_categories: - 100K<n<1M --- This repository contains the dataset used for the TaCo paper. The dataset follows the style outlined in the TaCo

Hugging Face2024-09-20 更新150

Lots-of-LoRAs/task989_pib_translation_marathi_urdu

机器翻译

低资源机器翻译

这是一个由 crowdsource 创建的英文文本生成数据集，包含输入文本(input)、输出文本(output)和唯一标识符(id)。数据集的任务是将 Marathi 语言翻译成 Urdu 语言，并分为训练集、验证集和测试集，分别包含1196、150和150个样本。

Hugging Face2025-01-01 更新100