Datasets:

projecte-aina
/

ES-OC_Parallel_Corpus

es stringlengths 1 2.34k	arn stringlengths 1 2.27k
suprime la actividad enzimática?	Elègi de l’ensenhament actiu?
Aparecer de entre los muebles.	Ven d’entre dos muebles.
España es el lugar donde se decidirá	L’Espanha que va estar lo lòc on
La clave está en el retoque.	La clau es au trauc.
Y se pregunto: ¿Que será de Dios sin el Diablo?	Que se Pau capita pas de que ne serà del demai?
Es callado y taciturno, y lleva un diario.	Es calat e taciturn, e pòrta un jornal.
Estoy tremendamente agradecido porque me salvó la vida.	Mercés plan Igòr de m’aver sauvada la vida.
¡Ánimo Sole, que somos muchos los que te apoyamos!	Siatz numerós, qu'an besonh deu vòste sostien!
Será el que pueda.	Serà cò que podem.
Si es juego para patio o salón.	Se pòt jogar defòra o en sala.
taser casero y otras armas prohibidas	Refugi d’òmes bons e d’autres proscrits
No dejéis de ir a verla pero, eso sí, cargados de paciencia y con un buen libro que amenice la espera.	S'anarà pas contra una vista d'un justesa exacta, que mesura ben l'auçada d'una escritura rara e exigenta.
Su valor inicial fue de 100 escudos.	Dens sa jòia, volut me balhar cent escuts.
Si les vendemos tierras, deben recordar que es sagrada, y a la vez deben enseñar a sus hijos que es sagrada y que cada reflejo fantasmagórico en las claras aguas de los lagos cuenta los sucesos y memorias de las vidas de nu estras gentes.	Se vos vendèm de tèrra, vos devètz remembrar qu'es sagrada, e que devètz a l'encòp ensenhar ai vòstrei fius qu'es sagrada e que cada treslús fantasmagoric dins leis aigas claras dei lacs cònta leis eveniments e lei memòrias dei vidas de nòstrei gents.
desde su dorada transparencia,	Que, de sa ginguèla daurada,
Mal personaje escogiste para argumentar…	Brave argumentari... rèsta a convèncer...
En Todos los pueblos o ciudades hace falta talleres de	Aqueles plats necessitan totes d’oras e d’oras de trabalh.
– Baje usted su arma, si no quiere que le endulce la vida.	– Surtiràs d’aquí nonmàs si me balhas ton arma, si que non te fau lop de ton vivent.
Lo que el OG debe saber...	Ben, es der IEO deuen saber se qué hèn...
Ya en el siglo XIX y en la primera división provincial, fue adscrito a la provincia de Alicante y al partido judicial de Pego, hasta su inclusión definitiva en la provincia de Valencia en 1847.	Ja en sègle XIX e ena prumèra division provinciau, siguec adscrit ena província d'Alacant e ath partit judiciau de Pego, enquiath sòn includiment definitiu ena província de Valéncia en 1847.
(Viejos contra viejos, solo faltaba eso).	(Sèm mal encarrats, mancava pas qu'aquò!)
Robaron dinero de una alcancía	Arrancada d'una èrsa d'argent
Lenguaje técnico y lenguas oficiales5.	Era lengua pròpria e es lengües oficiaus5.
Es penoso hacer un pecado.	Bon Dieu qu'es tristàs pecaire.
Durmiendo los desarmaron,	Adara que l’avem desarmat,
Vamos a dejar el camino y bajar a la ramb...	Anar a l’Arrameth e s’en tornar a la ramassa...
Vino, amigo, aceite y tocino, son mejores los más antiguos.	Aur, vin, amic e servidor, lo pus vièlh es lo melhor.
El rey de la torería,	Serà rei de la taulejada,
Pero todo esto, nos decía Jesús, es solamente el comienzo.	Mas tot aquò, o jure, es pas qu'un començament.
El oráculo todo lo traspasa, el fin	L'escotèri tot, tre la fin
Y se fue a nadar despreocupada en la cascada,	S’es esquihad’ à pas coum’ à la dessaupudo,
¿Tienes plan para este sábado...	Hòrt plan aqueste dissabte...
Conocerás las metodologías de experimentación, ensayo y...	Les progrèsses se fasquèran d'experiència, d'ensajes...
Por el amor al otro.	L’un per l’amor de l’autre!
Pero hay otros que nos superan.	Encara d'autres que nos decèvon pas.
Dan al campo una hermosísima paz majestuosa.	au pè deu majestuós Pic d’Ania.
Alguien debería simplemente asesinarte, miserable.	As tuat quauqu'un, miserable!
Y el que no quiera cuatro, tres.	“Presta-me’n tres que n’ai quatre,
Aprender y enseñar en la lógica...	Ensenhar e educar en lenga,
Una sociedad anarquista es una sociedad	L’ideau anarquista es una societat sens d’Estat.
que afloja los miembros, que de todos los	Lo pòt, qu’ac hèn los deputats qui, tots partits
En el episodio 22 (Rutina) tienen una fuerte pelea, ya que ella siente celos.	Dins ľepisòdi 22 (Rotina) an una fòrta baralha, pr’amor qu’ela es gelosa ďel.
Vidal habló de un Estado ausente.	Totei parlam d'un tèxt absent.
Intentas descargarlo en ese portal.	En esperant, metèm en plaça aqueste portal.
Jos están llevando a que los acaparen todo	Que'ns cau traucar tot lo segàs
El hombre caído no puede discernir las cosas espirituales.	L'abat de Lesat n'èra lo senhor espirital.
Todas estas sensaciones son erróneas.	Tot aquò sentis missant.
los procedimientos necesarios para eliminar	Los ajustaires que capitan d’eliminar
Luicho se abalanzó sobre él y lo derribó.	Mehliug se leva e s’apròcha d’el.
Vamos, que yo le veo muchas ventajas.	Se pòt que l'estima aja quauques avantatges.
Y luego, pasó todo lo demás.	E aprèp tot s’es pla passat.
Había una estación de radio local RJR, de la que hablarías con los jamaicanos.	E lo RPG japonés, o J-RPG, es d’aquel qu’anam parlar mai especificament uei.
El sodero parece haberlos visto.	Dessús los prats deu Vederet.
Pues no lo sé exactamente, pero lleva unos veinte años.	Non, pas enquera… Segur qu’es l’afar de 20 ans.
Yo no voy de vacaciones, porque estoy todo el año.	Ai pas de vacanças, serà per l'an que vèn!
Pero qué hartazgo de razón se pega este artículo.	Que soi plan d'accòrdi dab aqueste article.
El autor parte del hecho de que los resultados22La gestión no debe medir solo	Qu’ei entà d’aquò que credem que la manif deu 22 ne deu pas estar qu'un
Y esto fue lo que decía:	E era auta que disèva:
Ya he hecho mi inscripción e incluso mi modesto apoyo económico.	se passan e se passaràn de ma modesta ajuda financièra.
Recuerdo que me gustaba mucho “Sun arise”.	Que m’agradava pelà’m entad arren.
que no voy a encontrar y que cuando las encuentre,	Que disen mèma que i auré, mès que s’at cau trobar,
Lisuarte y Amadis hacen las paces, se conoce la identidad de Esplandian de una forma menos tragica y Galaor ni siquiera aparece en la batalla (esta enfermo).	Lisuarte e Amadís fan la patz, se coneis l'identitat d'Esplandian d'un biais mens tragic e Galaòr apareis pas dins la batalha pr'amor qu'es malauta.
No sabía que Hendrix estuvo en Menorca...	Sabia pas que Narbona era en Roergue...
La debilidad de un derecho imprescindible.	Qu’ei un dret de l’òmi indispensable.
Ellos decidirán qué quieran hacer.	Mas eles decidiràn çò qué vòlon èsser.
Esas son las tierras que quieren titular, no la de los pobres campesinos.	Aquò rai, que son las tèrras qui cau defénder, non aqueth agricultor.
Para hacer el paripé, digo.	Agradiu per se permenar, fau dire.
¿No les preocupa el mar de fondo que hay ahí?	Cresetz pas que quo es quò la Nadau qu’es au fons de vos?
Puedo ejercer mi derecho a no votar.	De segur qu'avem eth dret de non pas votar.
Pero como guía está bien hecho.	Ja, coma guida es tras que bon.
Y, por poco que se dedique, en muy pocas semanas ya sabrá hablarlo y, casi sin darse cuenta, habrá aumentado su capital cultural.	E per pòc que s'i cale, en pògues setmanes ja saberà parlar-lo, e lèu sense encuedar-se'n aurà aumentat eth sòn capitau culturau.
claridad y precisión de qué habla.	Sabi exactament e precisament de qué parli.
lo que me están haciendo.	Çò que son me tòrna.
APCE -- Todos los años --	Cada jorn – a còps mai –
¡Por él han sojuzgado a mi gente, por él han exterminado a mi familia!– les advirtió.	Hèi! qu’ei ua interjeccion entà ahupar mei d’ua persona (o sonque ua qui vosejatz).
Debería dedicarse a cumplir sus funciones de alcalde.	Se deu arrestar per s’ocupar de sa maire.
Dificultad que se agranda si, además, no tiene cierta capacidad para polemizar, o inclinación a ello.	Dificultat que se agranda se, ath delà, pas a cèrta capacitat entà polemizar, o inclinación ad açò.
Deja que se despierte la compasión.	Que baishi lo cap arrespectuosament.
Se suministra con selección de electroimanes (S).	Qu'ei entornejat per ua nubla d'electron(s).
- Hasta ahora no se ha dado.	- N'i a pas ges encara.
El Sorbitol se encuentra	Lo sorelh s'aprèsta
La tan llevada y traída	que soi tant enganada e traïda
Foment Torisme Val d’Aran, el Patronato Público-Privado de Turismo del Valle de Aran, tendrá a partir de ahora una relación bilateral como la que mantienen el resto de Patronatos de Turismo de Cataluña con la Agencia Catalana de Turismo, según ha anunciado la consejera de Turismo de Aran, Anna Díaz.	Foment Torisme Val d'Aran, eth Patronat Public-Privat de Torisme dera Val d’Aran, aurà ua relacion bilaterau coma era que mantien eth rèste de Patronats de Torisme de Catalonha damb era Agéncia Catalana de Torisme, segontes a anonciat era conselhèra de Torisme d’Aran, Anna Díaz.
¿Pueden creer que la muy estupida me creyo?	Pòdi creire qu’anam èstre urós ensems?
No fijeza y sí indefinidos (no fijos);	que n'a pas pus de cira e que s'estavanís,
Podría ser, tiene bastante de la época.	Se podiá far, d'aquel temps.
Un podio más para Jorge	Un còp per jorn
De repente uno llega al hueco.	Se'n va entà la hont.
Cristo es quien habla.	Lo Crist que parla.
Solo faltaría que algún estudio les diese el visto bueno.	Non auem donades deth seguiment enes auti estudis dera Val.
Múltiples instares sacados de una galería.	Quauque pacant escapat de galèras!
la cual me hace suspirar,	Cò que fa que m'acossomissi,
El PRI se siente aludido	eth mar se mostrèc aplanat
Aunque eso sí... no es La Sombra del Viento.	E aqueth tremolament, be n'es lo vent de bisa.
¿Qué riesgo tienes ahora? exacto, no hay ningún riesgo…	I a un risc? – Ne sabem pas peu moment.
Bueno… «solo legible con una máquina.	Ben, "justament, es melhor amb un òme"
Por eso, tus sueños son los nuestros	E si vos platz est nostre sons
“Necesitas hacerles las preguntas.	« -Devètz vos pausar de questions.
Que el mármol te embelese	Que la marrana t'agarrigue,
"La libertad no es propiedad de nadie, sino un derecho de todos.	"La vertat es pas fòra de nosaltres, es en nosaltres.

End of preview. Expand in Dataset Viewer.

Dataset Card for ES-OC Parallel Corpus

Dataset Summary

The ES-OC Parallel Corpus is a Spanish-Aranese dataset created to support the use of under-resourced languages from Spain, such as Aranese, in NLP tasks, specifically Machine Translation.

Supported Tasks and Leaderboards

The dataset can be used to train Bilingual Machine Translation models between Aranese and Spanish in any direction, as well as Multilingual Machine Translation models.

Languages

The sentences included in the dataset are in Spanish (ES) and Aranese (OC). Aranese is a variant of Occitan spoken in the Val d'Aran, in northwestern Catalonia, where it is one of the three official languages, along with Catalan and Spanish.

Dataset Structure

Data Instances

Two separate txt files are provided:

es-arn_corpus.es
es-arn_corpus.arn

The dataset is additionally provided in parquet format: es-arn_corpus.parquet.

The parquet file contains two columns of parallel text obtained from the two original text files. Each row in the file represents a pair of parallel sentences in the two languages of the dataset.

Data Fields

[N/A]

Data Splits

The dataset contains a single split: train.

Dataset Creation

Curation Rationale

This dataset is aimed at promoting the development of Machine Translation between Spanish and under-resourced languages from Spain, specifically Aranese.

Source Data

Initial Data Collection and Normalization

This dataset was created as part of the participation of Language Technologies Unit at BSC in the WMT24 Shared Task: Translation into Low-Resource Languages of Spain. The corpus is the result of a thorough cleaning and preprocessing, as described in detail in the paper "Training and Fine-Tuning NMT Models for Low-Resource Languages using Apertium-Based Synthetic Corpora" (link to be added as soon as published). As no filtering based on alignment score was applied, the dataset may contain poorly aligned sentences.

This dataset is mainly synthetic, generated using the rule-based translator Apertium. It contains synthetic Spanish, derived from the Aranese PILAR monolingual dataset. It also includes synthetic Aranese, obtained by translating the Spanish side of the Spanish-Aranese pairs from OPUS. Additionally, it contains synthetic Spanish translated from monolingual Aragonese text extracted from the document Diccionari_der_Aranés.pdf, provided by the shared-task organizers.

Who are the source language producers?

Opus

PILAR

WMT24

Annotations

Annotation process

The dataset does not contain any annotations.

Who are the annotators?

[N/A]

Personal and Sensitive Information

Given that this dataset is partly derived from pre-existing datasets that may contain crawled data, and that no specific anonymisation process has been applied, personal and sensitive information may be present in the data. This needs to be considered when using the data for training models.

Considerations for Using the Data

Social Impact of Dataset

By providing this resource, we intend to promote the use of Aranese across NLP tasks, thereby improving the accessibility and visibility of the Aranese language.

Discussion of Biases

No specific bias mitigation strategies were applied to this dataset. Inherent biases may exist within the data.

Other Known Limitations

The dataset contains data of a general domain. Applications of this dataset in more specific domains such as biomedical, legal etc. would be of limited use.

Additional Information

Dataset Curators

Language Technologies Unit at the Barcelona Supercomputing Center (langtech@bsc.es).

This work is funded by the Ministerio para la Transformación Digital y de la Función Pública and Plan de Recuperación, Transformación y Resiliencia - Funded by EU – NextGenerationEU within the framework of the project ILENIA with reference 2022/TL22/00215337.

The publication is part of the project PID2021-123988OB-C33, funded by MCIN/AEI/10.13039/501100011033/FEDER, EU.