印度理工学院马德拉斯分校 发布 Aksharantar 数据集, 应用在 语言音译、多语言数据集 领域

印度理工学院马德拉斯分校 本次发布的数据集 Aksharantar, Aksharantar是由印度理工学院马德拉斯分校创建的公开印度语言音译数据集，包含2600万音译对，涵盖21种印度语言，使用12种不同的文字。该数据集通过挖掘单语和并行语料库以及人工标注数据创建，是现有数据集的21倍大，并且首次公开了7种语言和1种语言家族的数据。Aksharantar数据集旨在解决印度语言音译的挑战，支持下游应用，如输入工具的开发，通过提供大规模、开放的资源来促进印度语言音译的创新。

查看Aksharantar

README 内容： 

关于 印度理工学院马德拉斯分校 , 印度理工学院马德拉斯分校是印度顶尖的工程学府之一，以其卓越的教育和研究在国内外享有盛誉。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。