atlasia/darija-translation

AtlasIA Darija翻译数据集是一个开源项目，旨在收集Darija（摩洛哥阿拉伯语）与英语或法语之间的翻译数据。数据通过AtlasIA平台收集，用户可以将Darija句子翻译成英语或法语，并可选地提供音频录制和翻译置信度。数据集包含Darija句子、翻译文本、可选音频以及置信度信息，采用结构化格式存储。数据集发布在Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License下，支持研究和开源工作。

AtlasIA Darija Translation Dataset is an open-source project dedicated to collecting parallel translation data between Darija (Moroccan Arabic) and either English or French. The dataset is gathered via the AtlasIA platform, where users can translate Darija sentences into English or French, and optionally provide audio recordings and translation confidence scores. The dataset contains Darija sentences, their corresponding translated texts, optional audio files, and confidence information, and is stored in a structured format. It is released under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License, and supports research and open-source work.

原始信息汇总

数据集概述

数据集名称

AtlasIA Darija Translation

数据集目的

收集Darija-English翻译数据集，用于开放源代码项目。

数据集内容

• 语言: 阿拉伯语（Darija）、英语、法语
• 数据结构:
  • Darija句子
  • 英语或法语翻译
  • 可选音频录制
  • 翻译的信心水平

数据收集方式

通过用户友好的AtlasIA界面收集数据，包括翻译、音频录制和信心水平。

数据存储

• 初始存储于Firestore DB
• 处理后移至本仓库进行开源

贡献方式

• 访问AtlasIA
• 翻译句子并选择翻译语言（EN/FR）
• 可选录制音频并提交
• 报告错误句子

数据集许可证

Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0)

联系方式

可通过项目合作者或Discord社区联系。

搜集汇总

背景与挑战

背景概述

该数据集是一个专注于Darija（摩洛哥阿拉伯语）翻译的开源数据集，支持英语和法语翻译，包含文本数据，规模在1万到10万条之间。数据通过AtlasIA界面收集，涵盖Darija句子、翻译文本、可选音频录音和置信度级别，适用于机器翻译研究，采用CC BY-NC-SA 4.0许可证，鼓励社区贡献和开放协作。