Logo Lanfrica
  • Accueil
  • Atlas
  • Analyses
  • Documentation
  • Sign in

© 2026 Lanfrica. Tous droits réservés. Tous les droits d'auteur des ressources affichées sur le site Web Lanfrica appartiennent aux détenteurs de droits d'auteur d'origine, sauf indication contraire explicite.

South African Languages Dataset

Domaine:

natural language processing

Type de record:

dataset
Créateur:
anr
Hôte:
Language Training Documents Training GPT2 Tokens Avg Tokens/Doc Max Tokens Test Documents Test GPT2 Tokens Test Avg Tokens/Doc Test Max Tokens isiZulu 116,693 192,622,799 1,650.68 335,530 687 1,080,961 1,573.45 15,691 Sesotho 83,329 144,337,938 1,732.15 98,542 841 1,393,086 1,656.4614,071 isiXhosa 99,567 141,484,241 1,421.00 113,710 788 1,161,296 1,473.73 17,220 isiNdebele 21,922 17,533,799 799.83

Visit

huggingface.co

Tasks

language modeling

Languages

NdebeleNdebeleSetswanaSotho, NorthernSotho, SouthernSwatiTsongaVendaXhosaZulu

Tags

south-african-languagesafrican-languagesindigenous-languageslarge datasets from Lanfrica Insights

Licenses

apache-2.0