Pashto Common Voice Preprocessed Subset

kaggle2026-04-22 更新2026-07-24 收录

低资源语言

普什图语

数据链接：

https://www.kaggle.com/datasets/karimnaimy/pashto-common-voice-preprocessed-subset 数据链接链接失效反馈

官方服务：

资源简介：

Pashto Common Voice - 16 kHz float32 Arrow dataset for Whisper

普什图语通用语音（Common Voice）——面向语音识别模型Whisper的16千赫兹32位浮点型Arrow格式数据集

创建时间：

2026-04-21

LORELEI Akan Representative Language Pack

低资源语言

自然语言处理

Introduction LORELEI Akan Representative Language Pack consists of Akan monolingual text, Akan-English parallel text, annotations, supplemental resources and related software tools developed

DataCite Commons2021-01-19 更新240

D320_Pashto_Conversational_Speech_Data_by_Telephone

语音识别

普什图语

普什图语语音数据_对话（电话），基于约二十个常见主题来模拟录制。此数据集标注了文本内容、句时间戳、说话人身份、性别等多种属性，由224名来自不同地域和文化背景的阿富汗本土人录制，准确性高，为语音识别相关研究及应用提供了丰富的资源，经多家AI公司验证：有助于模型面对真实世界的多样性时能够表现出色。我们严格遵循数据保护法规和隐私规定，确保数据采集、存储和使用的过程中维护用户的隐私和合法权益，所有数据均

Opencsg2026-03-04 更新140

guizme/adlam_francais

机器翻译

低资源语言

该数据集包含法语和普拉尔语（使用Adlam文字）之间的对齐句子对，以Parquet格式存储。数据集由Organisation pour la promotion de la langue Pulaar (Winden jangen ADLaM)制作，旨在促进普拉尔语的使用和研究。数据结构包含两列：fr列存储法语文本，pulaar列存储普拉尔语文本。

Hugging Face2025-12-14 更新90

mtob

机器翻译

低资源语言

MTOB for Code-LLaVA是一个用于低资源语言Kalamang与英语之间翻译任务的数据集。它包含两种配置：'memwrap'和'plain'，分别表示带有和不带有记忆标记的语法教科书内容。数据集的结构包括prompt、category和extra_info等字段，其中extra_info包含ground_truth和scoring_function等信息。数据集的使用和评估方法也进行了

Hugging Face2026-01-20 更新210

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

Pashto Common Voice Preprocessed Subset

资源简介：

相关数据集