ભાષા મોડેલ પૂર્વ-તાલીમ માટે અને શબ્દભંડોળ અને બોલીના કવરેજને વિસ્તૃત કરવા માટે, આધુનિક માનક અરબી અને પ્રાદેશિક બોલીઓમાં મોટા-વોલ્યુમ કાચો ટેક્સ્ટ, પ્રોમ્પ્ટ અને સ્ક્રિપ્ટ કોર્પોરા.

અરબી પ્રોમ્પ્ટ કોર્પસ

વોલ્યુમ
65,000 પ્રોમ્પ્ટ
સ્કેલ
~૧ મિલિયન શબ્દો · ૨૦ મિલિયન ટોકન્સ
ભાષા
અરબી (એમએસએ અને બોલીઓ)
પ્રદેશ
પાન-અરબ પ્રદેશ
બંધારણમાં
.xlsx / JSON
પરવાના
બિન-વિશિષ્ટ

આધુનિક માનક અરબી અને પ્રાદેશિક બોલીઓમાં પંચાવન હજાર અરબી પ્રોમ્પ્ટ. પ્રશ્ન અને જવાબ સેટથી અલગ એ છે કે તે જોડીવાળા પ્રતિભાવો વિના સૂચના બાજુ પૂરી પાડે છે, જે ટીમોને પોતાની પૂર્ણતાઓ ઉત્પન્ન કરવા, પસંદગી-ટ્યુનિંગ કાર્ય ચલાવવા અથવા અરબીમાં વ્યાપક પ્રોમ્પ્ટ કવરેજની જરૂર હોય તેવા મૂલ્યાંકન હાર્નેસ બનાવવા માટે અનુકૂળ છે.

અરબી કાચો લખાણ કોર્પસ (MSA અને બોલીઓ)

વોલ્યુમ
20 મિલિયન શબ્દો
સ્કેલ
~40 મિલિયન ટોકન્સ
ભાષા
અરબી (એમએસએ અને બોલીઓ)
પ્રદેશ
પાન-અરબ પ્રદેશ
બંધારણમાં
TXT / JSON
પરવાના
બિન-વિશિષ્ટ

આધુનિક માનક અરબી અને પ્રાદેશિક બોલીઓમાં ફેલાયેલા વીસ મિલિયન શબ્દોના કાચા અરબી લખાણ, આ સૂચિમાં સૌથી મોટો સિંગલ અરબી કોર્પસ. ભાષા મોડેલ પ્રીટર્નિંગ માટે અને હાલમાં MSA ને સારી રીતે હેન્ડલ કરતા મોડેલોમાં શબ્દભંડોળ અને બોલી કવરેજને વિસ્તૃત કરવા માટે બનાવાયેલ છે અને બોલીને નબળી રીતે હેન્ડલ કરે છે. તમારી પાઇપલાઇનના આધારે સાદા ટેક્સ્ટ અથવા JSON તરીકે વિતરિત.

સાઉદી અરબી TTS સ્ક્રિપ્ટ પ્રોમ્પ્ટ્સ

વોલ્યુમ
11,000 પ્રોમ્પ્ટ
સ્કેલ
~૨૨૩,૦૦૦ શબ્દો
ભાષા
અરબી (MSA અને સાઉદી)
પ્રદેશ
સાઉદી અરેબિયા
બંધારણમાં
.xlsx / JSON
પરવાના
બિન-વિશિષ્ટ

આધુનિક માનક અરબી અને સાઉદી બોલીમાં ટેક્સ્ટ-ટુ-સ્પીચ રેકોર્ડિંગ માટે અગિયાર હજાર સ્ક્રિપ્ટ પ્રોમ્પ્ટ લખાયેલા છે. શબ્દસમૂહ વાંચવાને બદલે મોટેથી બોલવા માટે બનાવવામાં આવ્યો છે, જે અવાજ કાર્ય માટે મહત્વપૂર્ણ છે અને તે જ કારણ છે કે સામાન્ય ટેક્સ્ટ કોર્પોરા નબળી TTS સ્ક્રિપ્ટો બનાવે છે. સ્પીચ સિન્થેસિસ પાઇપલાઇન્સ અને વૉઇસ-સહાયક પ્રતિભાવ મોડેલિંગ માટે યોગ્ય.