Datasets:
rakhine stringlengths 1 119 | myanmar stringlengths 1 121 โ |
|---|---|
แแซ แ
แฌแธแแผแฎแธแแปแฌแแบ | แแซ แ
แฌแธแแผแฎแธแแผแฎ |
แแแบ แแฌแแพแฌแแฒ | แแแบ แแแบแแพแฌแแฒ |
แแแบแธแแฐ แแฑแฌแแบแแฌแแปแฌแแบ | แแฐ แแฑแฌแแบแแฌแแผแฎ |
แแซ แแแญ | แแซ แแแญแแฐแธ |
แแแบ แแฌแแฏแแบแแญแแบแแฒ | แแแบ แแฌแแฏแแบแแฑแแแฒ |
แแญแฏแธแแฝแฌแแญแแบแแฑ | แแญแฏแธแแฝแฌแแฑแแแบ |
แแแบแธแแฐ แแปแฑแฌแแบแธแแฌแธแแฑ | แแฐ แแปแฑแฌแแบแธแแฝแฌแธแแแบ |
แแซ แกแญแแบแแญแฏแทแแปแฌแแบ | แแซ แกแญแแบแแฑแฌแทแแแบ |
แแแบ แแฌแแญแฏแทแแฌแธ | แแแบ แแฌแแแฌแธ |
แแแบแธแแปแแบแท แแฑแฌแแบแธแแฑ | แกแฒแแซ แแฑแฌแแบแธแแแบ |
แแซ แแ
แฌแธแแญแแบแท | แแซ แแ
แฌแธแแฑแธแแฐแธ |
แแแบแธแแฐ แ
แแฌแธแแผแฑแฌแแฑ | แแฐ แ
แแฌแธแแผแฑแฌแแแบ |
แแแบ แแฌแแฑแฌแแบ แแฌแธแแญแฏแทแแฒ | แแแบ แแแบแแฑแฌแแบ แแฝแฌแธแแแฒ |
แแซ แกแญแแบแแพแฌ แแญแแฑ | แแซ แกแญแแบแแพแฌ แแพแญแแแบ |
แแแบแธแแฐ แแฌแธแแแปแฌแแบ | แแฐ แแฝแฌแธแแผแฎ |
แแแบ แแฑแฌแแบแธแแญแแบแแฌแธ | แแแบ แแฑแฌแแฑแแแฌแธ |
แแซ แแฑแฌแแบแแฌแแญแฏแท | แแซ แแฑแฌแแบแแฌแแแบ |
แแแบแธแแฐ แแแฌ | แแฐ แแแฌแแฐแธ |
แแแบ แ
แฌแธแแผแฎแธแแปแฌแแบแแฌ | แแแบ แ
แฌแธแแผแฎแธแแผแฎแแฌแธ |
แกแแปแญแแบ แแฑแฌแแบแแปแฌแแบ | แกแแปแญแแบ แแฑแฌแแบแแผแฎ |
แแซ แแฌแธแแญแฏแท | แแซ แแฝแฌแธแแแบ |
แแแบ แแฌแแฐแแฒ | แแแบ แแแบแแฐแแฒ |
แแแบแธแแฐ แแฌแแพแฌแแฒ | แแฐ แแแบแแพแฌแแฒ |
แแซ แแแบแแผแแบ แแฌแธแแญแฏแท | แแซ แแแแบแแผแแบ แแฝแฌแธแแแบ |
แแแบ แแฌแแแซ | แแแบ แแฌแแฒแทแแซ |
แแแบแธแแฐ แแแญ | แแฐ แแแญแแฐแธ |
แแซ แแปแฑแฌแบแแฑ | แแซ แแปแฑแฌแบแแแบ |
แแแบแธ แ
แฑแฌแแทแบแแญแแบแแซ | แแแบ แ
แฑแฌแแทแบแแซ |
แแแบแธแแฐ แกแญแแบแแญแแบแแฑ | แแฐ แกแญแแบแแฑแแแบ |
แแซ แกแแฏแแบ แแฏแแบแแญแแบแแฑ | แแซ แกแแฏแแบ แแฏแแบแแฑแแแบ |
แแแบแธ แแฌแแญแฏแแปแแบแแฒ | แแแบ แแฌแแญแฏแแปแแบแแแฒ |
แแแบแธแแฐ แ
แฌแแแบแแญแแบแแฑ | แแฐ แ
แฌแแแบแแฑแแแบ |
แแซ แแญแแบแแฑแฌแแบแธแแฑ | แแซ แแฑแแฑแฌแแบแธแแแบ |
แแแบ แกแแแบแแผแฑแแฌ | แแแบ แกแแแบแแผแฑแแฌแธ |
แแแบแธแแฐ แแผแแบแแฌแแญแฏแท | แแฐ แแผแแบแแฌแแแบ |
แแซ แแแฌแธ | แแซ แแแฝแฌแธแแฐแธ |
แแแบแธ แแฌแธแแแบแแฌ | แแแบ แแฌแธแแแบแแฌแธ |
แแแบแธแแฐ แแฐแแฎแแฑ | แแฐ แแฐแแฎแแแบ |
แแซ แแผแญแฏแธแ
แฌแธแแญแฏแท | แแซ แแผแญแฏแธแ
แฌแธแแแบ |
แแแบแธ แแผแฑแฌแแซ | แแแบ แแผแฑแฌแแซ |
แแแบแธแแฐ แแฌแแญแแบแแฑ | แแฐ แแฌแแฑแแแบ |
แแซ แแปแ
แบแแฑ | แแซ แแปแ
แบแแแบ |
แแแบ แแปแพแฑแฌแบแแแทแบแแฌแธ | แแแบ แแปแพแฑแฌแบแแแทแบแแฌแธ |
แแแบแธแแฐ แ
แญแแบแแฑแฌแแบแธแแฑ | แแฐ แ
แญแแบแแฑแฌแแบแธแแแบ |
แแซ แแฑแฌแแบแธแแญแแบแแฑ | แแซ แแฑแฌแแฑแแแบ |
แแแบ แกแญแแบแแผแแบแแญแฏแทแแฌแธ | แแแบ แกแญแแบแแผแแบแแแฌแธ |
แแแบแธแแฐ แกแแฏแแบแแพแฏแแบแแญแแบแแฑ | แแฐ แกแแฏแแบแแพแฏแแบแแฑแแแบ |
แแฌแแฎแ
แฝแแซ | "แแแบแนแแแฌแแซ" |
แแญแแบแแฑแฌแแบแธแแฌแธ | "แแฑแแฑแฌแแบแธแแฌแธ" |
แกแแปแฝแแบ แแญแแบแแฑแฌแแบแธแแซแแฑ | แแปแฝแแบแแฑแฌแบ แแฑแแฑแฌแแบแธแแซแแแบ |
แแปแฑแธแแฐแธแแแบแแซแแฑ | แแปแฑแธแแฐแธแแแบแแซแแแบ |
แแแซแแฑ | แแแซแแแบ |
แแฌแแฌแธแแญแฏแทแแฒ | แแแบแแฝแฌแธแแแญแฏแทแแฒ |
แกแแปแฝแแบ แกแญแแบแแผแแบแแญแฏแทแแญแฏแทแแซ | แแปแฝแแบแแฑแฌแบ แกแญแแบแแผแแบแแแญแฏแทแแซ |
แแญแฏแธแแฑแฌแแบแ
แฌ แ
แฌแธแแผแฎแธแแปแฌแแบแแฌ | แแแแบแ
แฌ แ
แฌแธแแผแฎแธแแผแฎแแฌแธ |
แแญแฏแธแแฝแฌแแญแฏแทแแปแฌแแบ | แแญแฏแธแแฝแฌแแฑแฌแทแแแบ |
แกแฑแแญ แแฌแแฎแฅแแฏ แแฑแฌแแบแธแแฑ | แแฎแแฑแท แแฌแแฎแฅแแฏ แแฑแฌแแบแธแแแบ |
แแฌแกแแปแญแแบ แแฑแฌแแบแแญแฏแทแแฒ | แแแบแกแแปแญแแบ แแฑแฌแแบแแแฒ |
แแแฌแธแ
แฑแฌแแบแทแแซ | แแแ
แฑแฌแแทแบแแซ |
แกแแปแฝแแบ แแแญ | แแปแฝแแบแแฑแฌแบ แแแญแแฐแธ |
แแแบแธแแฐ แแฑแฌแแบแแแปแฌแแบ | แแฐ แแฑแฌแแบแแฒแทแแผแฎ |
แกแแปแฝแแบ แกแแฏแแบแแฌแธแแญแฏแท แแผแแบแแญแแบแแฑ | แแปแฝแแบแแฑแฌแบ แกแแฏแแบแแฝแฌแธแแญแฏแท แแผแแบแแฑแแแบแ |
แแแบแธ แแฌแแฏแแบแแญแฏแท แแผแแบแแญแแบแแฒ | แแแบ แแฌแแฏแแบแแญแฏแท แแผแแบแแฑแแแฒ |
แกแแปแฝแแบ แ
แฌแแแบแแญแฏแท แแผแแบแแญแแบแแฑ | แแปแฝแแบแแฑแฌแบ แ
แฌแแแบแแญแฏแท แแผแแบแแฑแแแบ |
แแแบแธแแฐ แแปแฑแฌแแบแธแแแบแแญแฏ แแฌแธแแแฑ | แแฐ แแปแฑแฌแแบแธแแแบแแญแฏ แแฝแฌแธแแแบ |
แแแบแธแแปแแบแท แแฌแแฒ | แกแฒแแซ แแฌแแฒ |
แกแฑแแแบแท แแแฑแฌแแบแแปแแฒ | แแฎแแฌ แแแบแแฑแฌแแบแแปแแฒ |
แกแแปแฝแแบ แแแบแแปแแบแแฑ | แแปแฝแแบแแฑแฌแบ แแแบแแปแแบแแแบ |
แกแแฐแกแแฎ แแญแฏแกแแบแแซแแฑ | แกแแฐแกแแฎ แแญแฏแกแแบแแซแแแบ |
แกแแปแฝแแบ แแฌแธแแแแบ แแผแ
แบแแญแแบแแฑ | แแปแฝแแบแแฑแฌแบ แแฌแธแแแแบ แแผแ
แบแแฑแแแบ |
แแแบแแผแฑแฌแแฎแธแแซ | แแแบแแผแฑแฌแแฑแธแแซ |
แแปแฑแธแแฐแธแแผแฏแแญแฏแท แแผแแบแธแแผแแบแธแแปแฑ แแผแฑแฌแแซ | แแปแฑแธแแฐแธแแผแฏแ แแผแแบแธแแผแแบแธแแผแฑแฌแแซ |
แแแบแธ แแฌแแพแฌ แแญแแบแ
แฝแฌแแฒ | แแแบ แแแบแแพแฌ แแฑแแฌแแฒ |
แกแแปแฝแแบ แแแบแแฏแแบแแพแฌ แแญแแบแแฑ | แแปแฝแแบแแฑแฌแบ แแแบแแฏแแบแแพแฌ แแฑแแแบ |
แแแบแธแแฐแ แกแแปแฝแแบแท แแฐแแแบแแปแแบแธแแซ | แแฐแ แแปแฝแแบแแฑแฌแทแบ แแฐแแแบแแปแแบแธแแซแ |
แกแแฏ แแฌแแพแ
แบแแฌแแฎ แแญแแปแฌแแบแแฒ | แกแแฏ แแแบแแพแ
แบแแฌแแฎ แแพแญแแผแฎแแฒ |
แกแแปแญแแบ แแฑแฌแแบแแฌแแปแฌแแบ | แกแแปแญแแบ แแฑแฌแแบแแฌแแผแฎ |
แกแแปแฝแแบ แแแฑแฌแแบแธ แแแบแแแบแธแแญแแบแแฑ | แแปแฝแแบแแฑแฌแบ แกแแฑแฌแบแแฑแธ แแแบแแแบแธแแฑแแแบแ |
แแแฌแธ แกแแฌแธแแฐแแแบแแฑ | แแ แกแแฌแธแแฐแแผแแแบ |
แแแบแธ แแแแบแธ แ
แฌแธแแผแฎแธแแปแฌแแบแแฌ | แแแบ แแแแบแธ แ
แฌแธแแผแฎแธแแผแฎแแฌแธ |
แกแแปแฝแแบ แแ
แฌแธแแแญแแบแท | แแปแฝแแบแแฑแฌแบ แแ
แฌแธแแแฑแธแแฐแธ |
แแฎ แแฑแฌแแบแแญแฏแทแแฌแธ | แแฑ แแฑแฌแแบแแแฌแธ |
แกแแปแฝแแบ แแฎแแฑแฌแแบแแปแแบแแฑ | แแปแฝแแบแแฑแฌแบ แแฑแแฑแฌแแบแแปแแบแแแบ |
แแฑแแแบแธแ แแพแแบแแฌแธ | แแฎแแแบแธแ แแพแแบแแฌแธ |
แกแแปแฝแแบ แแแบแธแแปแฑแฌแแบแแญแแบแแฑ | แแปแฝแแบแแฑแฌแบ แแแบแธแแปแฑแฌแแบแแฑแแแบ |
แแฎแธแแฏแถ แแฌแแพแฌ แแญแแฒ | แแฑแธแแฏแถ แแแบแแพแฌแแพแญแแฒ |
แกแแปแฝแแบ แกแญแแบแแผแแบแแแญแฏแทแแปแฌแแบ | แแปแฝแแบแแฑแฌแบ แกแญแแบแแผแแบแแแฑแฌแทแแแบ |
แแแบแแผแแบ แแฝแญแแแบแแแบ | แแแแบแแผแแบ แแฝแฑแทแแแบแแฑแฌแบ |
แแฑแฌแแบแธแแฑ แแแซ | แแฑแฌแแบแธแแฑแฌ แแแซ |
แกแญแแบแแฑแธแแ แกแญแแบแแซ | แกแญแแบแแฑแธแแ แกแญแแบแแซ |
แกแฑแแญ แกแแฏแแบแแปแฌแธแแฑ | แแฎแแฑแท แกแแฏแแบแแปแฌแธแแแบ |
แแแบแธแแฐ แกแแฏแแบแแญ แแพแฏแแบแแญแแบแแฑ | แแฐ แกแแฏแแบแแฝแฑ แแพแฏแแบแแฑแแแบ |
แกแแปแฝแแบ แแแฑแฌแแบแธ แแปแฑแฌแบแแฑ | แแปแฝแแบแแฑแฌแบ แแฑแฌแบแแฑแฌแบ แแปแฑแฌแบแแแบ |
แแแบแธแแฐ แ
แญแแบแแแฑแฌแแบแธ แแผแ
แบแแญแแบแแฑ | แแฐ แ
แญแแบแแแฑแฌแแบแธแแผแ
แบแแฑแแแบ |
แแแบแธ แแฐแแฎแแญแฏแแบแแญแฏแทแแฌแธ | แแแบ แแฐแแฎแแญแฏแแบแแแฌแธ |
แกแแปแฝแแบ แแผแญแฏแธแ
แฌแธแแญแฏแท | แแปแฝแแบแแฑแฌแบ แแผแญแฏแธแ
แฌแธแแแบ |
แกแฌแธแแฏแถแธ แกแแแบแแผแฑแแฌแธแแญแฏแท | แกแฌแธแแฏแถแธ แกแแแบแแผแฑแแฝแฌแธแแแบ |
แกแแปแฝแแบ แกแญแแบแแฌแ แแแฌแแปแฌแแบ | แแปแฝแแบแแฑแฌแบ แกแญแแบแแฌแ แแแฌแแผแฎ |
แแญแฏแธแแฑแฌแแบแ
แฌ แแฌแ
แฌแธแแญแฏแทแแฒ | แแแแบแ
แฌ แแฌแ
แฌแธแแแฒ |
แแแบแธแ แแแฑแฌแแบแธ แแพแฏแแบแแญแแบแแฑ | แแแบแธแ แกแแแบแธแแพแฏแแบแแฑแแแบ |
๐ Rakhine โ Myanmar Parallel Corpus
This repository contains a parallel dataset for Rakhine โ Myanmar machine translation and Natural Language Processing (NLP) research.
๐ฏ Purpose
This dataset is designed for:
- Machine Translation (MT)
- Language Modeling
- NLP Research
- Dialect Analysis (Rakhine and Standard Burmese)
- Language Preservation
๐ Project Overview
The Rakhine language is a major language variety spoken in Rakhine State, Myanmar. However, digital language resources for Rakhine remain limited.
This project aims to build:
- ๐ A parallel sentence corpus (Rakhine โ Myanmar)
- ๐ง Training data for AI translation models
- ๐ Future speech and text datasets
- ๐ Open resources for Rakhine language technology
๐ Dataset Structure
rakhine-myanmar-parallel-corpus/
โ
โโโ data/
โ โโโ train.csv
โ โโโ dev.csv
โ โโโ test.csv
โ
โโโ raw_data/
โ โโโ rakhine_text.txt
โ โโโ myanmar_text.txt
โ
โโโ scripts/
โ โโโ align_sentences.py
โ โโโ clean_data.py
โ
โโโ README.md
โโโ LICENSE
โโโ .gitignore
๐ Data Format
CSV Format (Parallel Sentences)
| rakhine | myanmar |
|---|---|
| แแซ แ แฌแธแแผแฎแธแแปแฌแแบ | แแซ แ แฌแธแแผแฎแธแแผแฎ |
| แแแบ แแฌแแพแฌแแฒ | แแแบ แแแบแแพแฌแแฒ |
โ๏ธ How to Build the Dataset
1. Prepare Raw Text Files
Place the following files in the raw_data/ directory:
raw_data/rakhine_text.txtraw_data/myanmar_text.txt
2. Run the Alignment Script
python scripts/align_sentences.py
3. Generated Output
data/train.csv
๐ง Use Cases
- Neural Machine Translation (NMT)
- Chatbot Training
- RakhineโMyanmar Language Research
- Dialect Comparison
- Language Preservation
- NLP Benchmark Development
๐ Future Improvements
- Add an English translation layer (Rakhine โ Myanmar โ English)
- Add speech datasets (audio + transcription)
- Improve alignment using semantic similarity models
- Expand the dataset to 10,000+ sentence pairs
- Publish on Hugging Face Datasets
- Create benchmark evaluation datasets
โ ๏ธ Limitations
- The initial dataset uses rule-based sentence alignment (line-by-line).
- Translation quality depends on manual curation.
- Semantic alignment methods are recommended for large-scale datasets.
- The dataset is currently limited in size and coverage.
๐ License
This dataset is intended for research, education, and open-source NLP development.
Recommended license:
Creative Commons Attribution 4.0 International (CC BY 4.0)
๐ค Contribution
Contributions are welcome.
You can help by:
- Adding new sentence pairs
- Improving translations
- Fixing alignment issues
- Adding dialect variations
- Reporting errors
- Expanding vocabulary coverage
๐ Goal
To support the digital preservation, research, and AI development of the Rakhine language and its dialects.
๐ฌ Contact
Researchers, developers, linguists, and community contributors interested in Rakhine NLP and language technology are welcome to collaborate.
- Downloads last month
- 118