Dataset Viewer
Auto-converted to Parquet Duplicate
text
stringlengths
23
228k
category
stringclasses
1 value
data-source
stringclasses
1 value
script
stringclasses
1 value
age-estimate
stringclasses
1 value
license
stringclasses
1 value
misc
stringclasses
1 value
num_tokens
int64
5
79.7k
" دخــتــرِ بــي‌کــس " " از اونور نرو ! نه ! نه ! چخه ، " بوريس " ! چخه ، " بوريس " ! چخه ، " بوريس " ! اصلاً برو به جهنم ! کثافتِ بدبخت ! بيا ببينم ! ديگه از غذا خبري نيست ! معذرت مي‌خوام ، مادر ! قول مي‌دم ديگه بچه‌يِ خوبي باشم ! حالا بيا با همديگه دست بديم ! بيا ديگه ! بالاخره گيرت آوردم ! بايست ، فرار نکُن ! نمي‌خ...
subtitles
OpenSubtitles
Latin
n/a
cc-by
3,654
... ثروت ... شهرت . قدرت مردي که همه چيز در جهان داشت ... پادشاه دزدان دريايي Gold Roger . ... آخرين حرفي که قبل از مرگش زد ... مردم رو از همه جاي جهان . به دريا فرستاد گنج هايم اگر ميخاينش ، مال شما دنبالش بگرديد من همشونو اونجا گذاشتم مردان همه بسوي گراند لاين رفتند جهان اکنون دوره ي دزدان دريايي است Kishishishi ... ...
subtitles
OpenSubtitles
Latin
n/a
cc-by
1,907
من دردسرها متنفرم تو ميخواي زندگيت رو عوض کني پس بيا داستان رو گوش کن . محبوبيت تو دبيرستان يه مسابقه نيست يه جنگه . ديزي هريسون بزرگترين تلفات رو داده داستان اون رو ببين دقيقا داستان منه . چون که پشت هر به اصطلاح قهرماني ... يه آدم آشغال بي اعتبار وجود داره ! ما بايد راه رو برگرديم . حتي مثل يه بچه کوچک ديزي هريسون سب...
subtitles
OpenSubtitles
Latin
n/a
cc-by
5,141
بگيرش ! متوقفش كن ! اونجاست ! از اون طرف ! بگيرش ! متوقفش كن ! پدر ! هوشيار باش , نام يي ! ترسيدي ؟ ازت پرسيدم ترسيدي ؟ آره , بابا . ترس از درون قلبت هستش مستقيم به چيزي كه ازش مي ترسي نگاه كن ... اين طوري مي توني ازش نترسي ... . بابا ! فراموش نكن اون كيم مو سون گيسون هستش . فهميدي ؟ من مي خوام با تو بمونم , بابا ... ح...
subtitles
OpenSubtitles
Latin
n/a
cc-by
4,447
"t.me / @ Abolix : دانلود فیلم و سریال با لینک مستقیم videoflix.altertec(...TRUNCATED)
subtitles
OpenSubtitles
Latin
n/a
cc-by
13,066
"افسانه بَگر وَنس\nوقته شعبده بازیه .\nحس خوبی بهش دارم .\n(...TRUNCATED)
subtitles
OpenSubtitles
Latin
n/a
cc-by
9,987
"از همه دوستاني که به هر نحوي از اين زيرنويس استفاده مي (...TRUNCATED)
subtitles
OpenSubtitles
Latin
n/a
cc-by
12,703
"تقديم به همه ايراني هاي عزيز Dragoman.ir زيرنويس از Motarjem Matn (...TRUNCATED)
subtitles
OpenSubtitles
Latin
n/a
cc-by
4,010
"{ \\ fad ( 150,150 ) } .\nزمانی ، پادشاه افسانه ای دزدای دریایی ، (...TRUNCATED)
subtitles
OpenSubtitles
Latin
n/a
cc-by
2,309
"من تنها هستم !\nتو هم تنهايي\n!\nنه ، نه ، نه\nفالش مي‌خوني(...TRUNCATED)
subtitles
OpenSubtitles
Latin
n/a
cc-by
13,161
End of preview. Expand in Data Studio

babylm-fa

Dataset Description

This dataset is part of the BabyLM multilingual collection.

Dataset Summary

  • Language: fa
  • Script: Latin
  • Category: subtitles
  • Source: Unknown
  • Age Estimate: n/a
  • Number of Documents: 41312
  • Total Tokens: 249245044

Tokens Per Category

  • subtitles: 249245044 tokens

Data Fields

  • text: The document text
  • category: Type of content (e.g., child-directed-speech, educational, etc.)
  • data-source: Original source of the data
  • script: Writing system used
  • age-estimate: Target age or age range
  • license: Data license
  • misc: Additional metadata (JSON string)
  • num_tokens: Number of tokens in the subtitle file

Licensing Information

This dataset is licensed under: See individual files

Citation

Please cite the original data source: Unknown

Downloads last month
11

Collection including BabyLM-community/babylm-fa-subtitles