Nepali-Datasets 是数据集领域的开源项目，由 pemagrg1 开发，2022 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 118。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-16。开源免费数据集列表。
它主要面向的使用场景是：尼泊尔语NLP研究者做前期数据调研。同类可对比的替代方案包括 Masakhane、Common Voice、OPUS。
Nepali-Datasets
尼泊尔语数据资源一页汇总，省去到处翻找的麻烦
Nepali-Datasets 是一个面向尼泊尔语自然语言处理的开源数据集索引项目，核心价值在于把散落在互联网各处的尼泊尔语语料、标注数据和资源链接集中整理成一份清单。尼泊尔语属于低资源语言，公开可用的训练数据稀缺且分散，研究者往往需要花费大量时间搜索和验证数据来源。该项目通过人工收集与社区贡献的方式，按类别列出可获取的数据集来源，覆盖文本、语音、词典等多种类型，并附上原始链接，方便直接定位下载。它本身不生产数据，而是承担导航和聚合角色，降低尼泊尔语 NLP 研究的启动门槛，鼓励更多人参与该语言的技术探索。适合做低资源语言研究、语料收集或模型训练前调研时作为入口参考。
开源
free
数据集
GitHub 星标
★ 118
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队pemagrg1
所属国家
定价模式free
价格说明开源免费数据集列表
访问状态
是否开源是
开源协议
主要语言
技术栈/模型nepal,nepali,nepali-dataset,nepali-nlp
GitHub 星标★ 118
30天Star增速
HF 下载量
上线时间2022-02-21 00:00:00
最近更新2026-09-16 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0
使用教程
核心亮点
- 把分散的尼泊尔语数据集来源集中成清单，减少重复搜索成本
- 覆盖文本、语音、词典等多种类型，方便按任务快速定位
- 以社区贡献方式持续补充，对低资源语言研究有实际导航价值
不足之处
- 仅提供链接索引，不托管数据，链接失效时无法保证可用性
- 缺少对每个数据集规模、许可、质量的统一标注和校验
适用场景
- 尼泊尔语 NLP 研究者做前期数据调研
- 训练尼泊尔语模型前快速查找可用语料
- 低资源语言爱好者寻找学习或实验素材
替代项目
Masakhane、Common Voice、OPUS
项目介绍
上一篇：cv-dataset
同类项目推荐
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···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models