pib

CVIT PIB 提供了大规模的句子对齐语料库，主要用于机器翻译任务，覆盖了11种印度语言，包括英语、孟加拉语、古吉拉特语、印地语、马拉雅拉姆语、马拉地语、旁遮普语、奥里亚语、泰米尔语、泰卢固语和乌尔都语。该语料库包含数十万到百万级别的样本，以“train”作为单一数据划分，并采用CC-BY 4.0授权许可。