Grandes volumes de textos brutos, instruções e roteiros em árabe padrão moderno e dialetos regionais, para pré-treinamento de modelos de linguagem e para ampliar a cobertura de vocabulário e dialetos.

Corpus de prompts em árabe

Volume
65,000 solicitações
Escala
Aproximadamente 1 milhões de palavras · 2 milhões de tokens
Língua
Árabe (MSA e dialetos)
Região
Região Pan-Árabe
Formato
.xlsx / JSON
Licenciamento
Não exclusivo

Sessenta e cinco mil prompts em árabe, abrangendo o árabe padrão moderno e dialetos regionais. Diferentemente dos conjuntos de perguntas e respostas, este conjunto fornece apenas as instruções, sem as respostas correspondentes, o que é ideal para equipes que criam suas próprias conclusões, realizam ajustes de preferências ou desenvolvem ferramentas de avaliação que exigem ampla cobertura de prompts em árabe.

Corpus de textos brutos em árabe (MSA e dialetos)

Volume
20 milhões de palavras
Escala
~40 milhões de tokens
Língua
Árabe (MSA e dialetos)
Região
Região Pan-Árabe
Formato
TXT / JSON
Licenciamento
Não exclusivo

Vinte milhões de palavras de texto árabe bruto, abrangendo o Árabe Padrão Moderno e dialetos regionais, o maior corpus árabe individual deste catálogo. Destinado ao pré-treinamento de modelos de linguagem e à expansão da cobertura de vocabulário e dialetos em modelos que atualmente lidam bem com o Árabe Padrão Moderno, mas com dificuldades com dialetos. Entregue em formato de texto simples ou JSON, dependendo do seu fluxo de trabalho.

Sugestões de roteiro TTS em árabe saudita

Volume
11,000 solicitações
Escala
Aproximadamente 223 mil palavras
Língua
Árabe (MSA e Saudita)
Região
Saudi Arabia
Formato
.xlsx / JSON
Licenciamento
Não exclusivo

Onze mil instruções de roteiro escritas para gravação de texto para fala em árabe padrão moderno e dialeto saudita. As frases são elaboradas para serem faladas em voz alta, e não lidas, o que é importante para trabalhos de voz e explica por que corpora de texto em geral não são adequados para roteiros de TTS. Ideais para fluxos de trabalho de síntese de fala e para modelagem de resposta de assistentes de voz.