مجموعات كبيرة الحجم من النصوص الخام والمطالبات والنصوص المكتوبة عبر اللغة العربية الفصحى الحديثة واللهجات الإقليمية، وذلك للتدريب المسبق لنموذج اللغة ولتوسيع نطاق المفردات وتغطية اللهجات.

مجموعة النصوص العربية

الصوت
65,000 مطالبة
حجم
حوالي 1 ملايين كلمة · 2 ملايين رمز مميز
اللغة
اللغة العربية (الفصحى والمسلمة واللهجات)
المنطقة
منطقة عموم العرب
شكل
ملف بصيغة .xlsx / JSON
الترخيص
غير حصري

خمسة وستون ألف سؤال باللغة العربية الفصحى واللهجات المحلية. يختلف هذا عن مجموعات الأسئلة والأجوبة في أنه يوفر جانب التعليمات دون إجابات مصاحبة، مما يناسب الفرق التي تُنشئ نماذج الإكمال الخاصة بها، أو تُجري عمليات ضبط التفضيلات، أو تُنشئ أدوات تقييم تحتاج إلى تغطية واسعة للأسئلة باللغة العربية.

مجموعة نصوص عربية خام (الفصحى المبسطة واللهجات)

الصوت
20 مليون كلمة
حجم
حوالي 40 مليون رمز
اللغة
اللغة العربية (الفصحى والمسلمة واللهجات)
المنطقة
منطقة عموم العرب
شكل
TXT / JSON
الترخيص
غير حصري

عشرون مليون كلمة من النصوص العربية الخام، تشمل اللغة العربية الفصحى الحديثة واللهجات المحلية، وهي أكبر مجموعة نصوص عربية منفردة في هذا الفهرس. تُستخدم هذه النصوص في التدريب المسبق لنماذج اللغة، ولتوسيع نطاق المفردات وتغطية اللهجات في النماذج التي تُجيد التعامل مع اللغة العربية الفصحى الحديثة وتُعاني من ضعف في التعامل مع اللهجات المحلية. يتم تسليمها كنص عادي أو بصيغة JSON، حسب مسار معالجة البيانات لديك.

نصوص تحويل النص إلى كلام باللغة العربية السعودية

الصوت
11,000 مطالبة
حجم
حوالي 223 ألف كلمة
اللغة
اللغة العربية (العربية الفصحى والسعودية)
المنطقة
المملكة العربية السعودية
شكل
ملف بصيغة .xlsx / JSON
الترخيص
غير حصري

أحد عشر ألف نص مكتوب خصيصًا لتسجيل الكلام باستخدام تقنية تحويل النص إلى كلام، باللغة العربية الفصحى واللهجة السعودية. صُممت الصياغة لتُنطق بصوت عالٍ لا لتُقرأ، وهو أمر بالغ الأهمية في مجال التعليق الصوتي، ولهذا السبب تُعدّ النصوص العامة غير مناسبة تمامًا لتسجيل الكلام. تُناسب هذه النصوص أنظمة توليف الكلام ونماذج استجابة المساعد الصوتي.