项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-21 · 当前星标 ★ 382
核心亮点
- 提供 Darija 与英语平行句对，填补低资源方言翻译数据空白
- 可直接用于机器翻译模型训练、微调与评测，上手门槛低
- 聚焦日常口语表达，贴近真实对话场景，实用性强
不足之处
- 数据规模有限，难以支撑大规模预训练或高精度模型
- 语言标注与质量校验细节披露不足，使用前需自行评估
适用场景
- 训练或微调 Darija 到英语的机器翻译模型
- 构建阿拉伯语方言词典或语言学习辅助工具
- 低资源语言 NLP 研究与跨语言迁移学习实验
替代项目
OPUS、Tatoeba、FLORES-200
上一篇：aisheets
同类项目推荐
MM4TSA
开源
一站式浏览多模态时间序列分析论文与资源，快速掌握领域动态。
A professional list on Multi-Modalities For Time Series Analysis (MM4TSA) Papers and···
Anime-Face-Dataset
开源
下载即用，快速训练动漫人脸生成模型
A collection of high-quality anime faces.
University1652-Baseline
开源
拿无人机图像定位全球建筑，跨视角检索基准一键跑通
ACM Multimedia2020 University-1652: A Multi-view Multi-source Benchmark for Drone-ba···
awesome-data-llm
开源
一张清单看懂大模型数据从哪来、怎么洗、怎么配
Official Repository of "LLM × DATA" Survey Paper
ml-hypersim
开源
用苹果合成室内数据，低成本训出强场景理解模型
Hypersim: A Photorealistic Synthetic Dataset for Holistic Indoor Scene Understanding
chess-openings
开源
统一各平台开局名称，直接拿来标注棋谱
An aggregated data set of chess opening names
split-folders
开源
一行命令把图片文件夹拆成训练验证测试集
Split folders with files (i.e. images) into training, validation and test (dataset) ···
BTC-Trading-Since-2020
开源
下载2020年至今的比特币真实交易数据，直接用于策略研究和AI训练
Public BTC trading context since 2020.
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···