Dataset de Hugging Face · Helsinki-NLP
OpenSubtitles2024 multi-aligned 40-langs 15-movies
Abrir en Hugging FaceLa fuente pide iniciar sesión o solicitar acceso antes de descargar
- Licencia
- ODC-Byuso comercial permitidoTexto de la licencia
- Esta licencia permite el uso comercial. Normalmente hay que citar al autor; consulta la licencia para ver las condiciones exactas.
- Formatos
- parquet, PARQUET, JSON, ARROW
- Tamaño
- 29 MB
- Actualizado
- 2 ago 2026
Descripción
Dataset Summary This dataset is a multi-parallel evaluation subset derived from the OpenSubtitles2024 corpus.It contains synchronized subtitle segments from 15 movies / TV episodes aligned across 40 languages, enabling multilingual and multi-target machine translation evaluation. The dataset is part of the held-out benchmark released with OpenSubtitles2024 and is designed for evaluation and development of multilingual machine translation systems and multilingual language models.…
Descripción de Hugging Face, abreviada.
Archivos (5)
- PARQUETdata/devtest-00000-of-00001.parquet14 MB
- JSONdataset_dict.json23 B
- ARROWdevtest/data-00000-of-00001.arrow15 MB
- JSONdevtest/dataset_info.json3,3 kB
- JSONdevtest/state.json247 B
DataHunter no guarda ni aloja estos archivos: cada enlace lleva a la fuente original. Revisa allí la licencia antes de usar los datos.