allenai/c4
Viewer • Updated • 10.4B • 795k • 586
Edit Datasets filters
Active filters: multilingual
Cognitive-Lab/NayanaOCR_Corpus_2025
Viewer • Updated • 1.01M • 7.05k • 13
wikimedia/wit_base
Viewer • Updated • 108k • 4.17k • 70
bigcode/the-stack-v2
Viewer • Updated • 5.45B • 17.3k • 571
Helsinki-NLP/opus_books
Viewer • Updated • 1.25M • 15.2k • 91
masakhane/mafand
Viewer • Updated • 143k • 4.76k • 17
bigcode/starcoderdata
Viewer • Updated • 207M • 27.2k • 516
openlanguagedata/flores_plus
Viewer • Updated • 883k • 17.1k • 142
OpenLLM-France/Luciole-Training-Dataset
Updated • 3.68k • 2
ruggsea/infini-news-corpus
Viewer • Updated • 776M • 25.9k • 5
tmquan/thuvienphapluat-vn-tnpl
Viewer • Updated • 33.3k • 936 • 4
bigcode/the-stack
Viewer • Updated • 546M • 18.5k • 1.01k
code-search-net/code_search_net
Viewer • Updated • 4.14M • 22.9k • 330
speechbrain/common_language
Updated • 441 • 44
Helsinki-NLP/news_commentary
Viewer • Updated • 4.23M • 4.27k • 39
google-research-datasets/tydiqa
Viewer • Updated • 241k • 4.11k • 38
facebook/multilingual_librispeech
Viewer • Updated • 1.49M • 49.1k • 180
codeparrot/github-code
Updated • 24.3k • 363
oscar-corpus/OSCAR-2201
Updated • 54.3k • 131
ontonotes/conll2012_ontonotesv5
Updated • 926 • 45
google/fleurs
Viewer • Updated • 768k • 63.6k • 406
google/wit
Viewer • Updated • 2.66M • 339 • 69
Muennighoff/flores200
Updated • 2.76k • 22
bigcode/the-stack-smol
Viewer • Updated • 300k • 19.6k • 79
miracl/miracl
Updated • 2.28k • 72
masakhane/masakhaner2
Viewer • Updated • 153k • 3.56k • 13
oscar-corpus/OSCAR-2301
Updated • 2.07k • 180
masakhane/afriqa
Viewer • Updated • 12.2k • 323 • 10
CohereLabs/xP3x
Viewer • Updated • 434M • 262k • 95
masakhane/afriqa-gold-passages
Updated • 167 • 6