البيانات المفتوحة من Bayanat Labs: مجموعات بيانات وأدوات ومعايير عربية مجانية
كل ما تنشره Bayanat Labs مجانًا من مجموعات بيانات وأدوات ومعايير تقييم عربية، مع الترخيص ومعرّف DOI وطريقة الاستشهاد (آخر تحديث: 19 أكتوبر 2026). Read in English →
في الكتالوج
تصفية الإصدارات
لا يوجد إصدار يطابق هذه التصفية.
الإصدارات
متتبّع نماذج الذكاء الاصطناعي العربية من Bayanat Labs
سجلّ مفتوح يضم 89 إصدارًا لنماذج ذكاء اصطناعي عربية وداعمة للعربية من 29 جهة: التاريخ والأحجام واللهجات المسمّاة والنتائج المنشورة والترخيص وحالة الأوزان.
مدقّق توافق تراخيص البيانات من Bayanat Labs
تحقّق هل يمكن دمج مصادر البيانات أو التدريب عليها أو إعادة نشرها، مع الالتزامات وخيارات ترخيص الإصدار والبند الذي تستند إليه كل خطوة.
أطلس الوثائق العربية من Bayanat Labs
200,286 صورة وثائق فريدة مع نصوص OCR آلية وإحداثيات كلمات تقريبية وأدلة المصدر، إلى جانب نصوص مجتمعية مستقلة وأزواج صور PDF ونصوصها المرجعية.
قالب إرشادات توسيم البيانات العربية من Bayanat Labs
قالب مجاني لإرشادات توسيم البيانات العربية بترخيص CC BY 4.0: أقسام للهجات والتشكيل والعربيزي والأمثلة والمشروع التجريبي، مع الترخيص وطريقة الاستشهاد.
أزواج القنوات للتعرّف على الكلام العربي من Bayanat Labs
مجموعة اختبار مفتوحة للكلام العربي: تسجيلات FLEURS نظيفة ومعالَجة بظروف هاتف ومرمّزات صوت وصدى غرف محاكاة، في أزواج متطابقة، مع معدل خطأ الكلمات لنماذج Whisper.
أداة توحيد النص العربي من Bayanat Labs (arabic-normalize)
سجل إصدار arabic-normalize: سياسات مسمّاة ذات إصدارات ثابتة لتوحيد النص العربي بلغتي Python وJavaScript، مع حالات اختبار المطابقة. الشيفرة بترخيص Apache-2.0.
حزمة البيانات الشخصية العربية لـ Presidio من Bayanat Labs
سجل إصدار arabic-pii-pack: أدوات تعرّف لـ Presidio تكتشف أرقام الهوية الخليجية والمصرية والآيبان والهواتف العربية واللوحات والأسماء العربية وتخفيها.
مؤشر ضريبة الترميز العربية من Bayanat Labs
كم رمزًا إضافيًا تحتاجه العربية مقارنةً بالإنجليزية: مُرمِّزات النماذج اللغوية الكبيرة مقيسة على نص الأمم المتحدة المتوازي، مع فترات ثقة وتكلفة الصفحة.
حزمة اختبار مطابقة يونيكود للنص العربي من Bayanat Labs
سجل إصدار حزمة اختبار مطابقة يونيكود للنص العربي: حالات اختبار بنواتج متوقعة دقيقة وفق ست سياسات توحيد مسمّاة، مع برنامج لتشغيلها.
ArabicWER من Bayanat Labs: حساب معدل خطأ الكلمات والحروف للعربية
سجل إصدار ArabicWER: حساب معدل خطأ الكلمات والحروف للعربية وفق ست سياسات توحيد مسمّاة ذات إصدارات ثابتة، مع حالات اختبار المطابقة ودراسة حالة على FLEURS.
قوالب موافقة المساهمين من Bayanat Labs
قوالب مجانية لجمع بيانات عربية مفتوحة وفق نظام حماية البيانات الشخصية السعودي: نموذج موافقة، واتفاقية مساهمين، وإشعار خصوصية، وغيرها، بالعربية والإنجليزية.
قالب مجموعات البيانات وحزمة أدوات الإصدار من Bayanat Labs
سجل إصدار قالب مجموعات البيانات من Bayanat Labs: قالب copier، ومعيار ثنائي اللغة لبطاقات مجموعات البيانات، وحزمة أدوات إصدار تضم مدققًا للبطاقة وبوابات.
مراجع الصيغ الخليجية واختبارات التحويل بين المنطوق والمكتوب من Bayanat Labs
سجل إصدار: أزواج اختبار عربية بين المنطوق والمكتوب للتحويل في الاتجاهين، مع جداول صيغ خليجية ومدققات للهويات والآيبان والهواتف واللوحات والتاريخ الهجري.
سياسة البرنامج المفتوح ودليل التشغيل من Bayanat Labs
سجل إصدار السياسات المفتوحة من Bayanat Labs: سياسة البرنامج المفتوح، ودليل التشغيل بمراحله ذات البوابات، وأداة bl-score، بالعربية والإنجليزية.
مختبر موثوقية الوكلاء بالعربية من Bayanat Labs
سجل إصدار مختبر موثوقية الوكلاء بالعربية: أداة محلية تقيّم وكلاء الذكاء الاصطناعي بالعربية عبر استدعاءات الأدوات والحالة النهائية. الشيفرة Apache-2.0 والبيانات CC BY 4.0.
مجموعة بدء تقييم الاسترجاع العربي من Bayanat Labs
نزّل مجموعة بدء تقييم الاسترجاع العربي v0.1 مجانًا: بيانات اصطناعية بالعربية والإنجليزية لتقييم RAG بترخيص CC BY 4.0، مع أحكام الصلة ومعرّف DOI.
LabelBench من Bayanat Labs
سجل إصدار LabelBench: نتائج مجمّعة لتوسيم البيانات العربية بترخيص CC BY 4.0، وشيفرة Apache-2.0 على GitHub وPyPI، ومعرّف DOI وطريقة الاستشهاد.
كل الإصدارات في جدول واحد
| الإصدار | النوع | الترخيص | الحجم | رقم الإصدار | DOI | آخر تحديث |
|---|---|---|---|---|---|---|
| متتبّع نماذج الذكاء الاصطناعي العربية | مجموعة بيانات | CC BY 4.0 | 89 إصدارًا مسجّلًا | v0.1.0 | لا يوجد | |
| مدقّق توافق تراخيص البيانات | أداة | Apache-2.0 | 33 ترخيصًا وشروطًا مُرمَّزة | v0.1.0 | لا يوجد | |
| أطلس الوثائق العربية | مجموعة بيانات | Component-specific rights | 200286 صور وثائق فريدة بحسب بصمات البكسلات بعد فك ترميز الصور | v0.3.0 | لا يوجد | |
| قالب إرشادات توسيم البيانات العربية | دليل | CC BY 4.0 | 12 أقسام القالب الجاهزة للنسخ | دون رقم إصدار | لا يوجد | |
| أزواج القنوات للتعرّف على الكلام العربي | مجموعة بيانات | CC BY 4.0 | 500 تسجيل نظيف من FLEURS (التسجيلات الأصل) | v0.1.0 | لا يوجد | |
| أداة توحيد النص العربي (arabic-normalize) | أداة | Apache-2.0 | 80 حالة اختبار للمطابقة | v0.1.0 | لا يوجد | |
| حزمة البيانات الشخصية العربية لـ Presidio (arabic-pii-pack) | أداة | Apache-2.0 | 1000 جملة اختبار اصطناعية (كل القيم فيها مولَّدة) | v0.1.0 | لا يوجد | |
| مؤشر ضريبة الترميز العربية | معيار تقييم | CC BY 4.0 | 12 مُرمِّزًا مقيسًا | v0.1.0 | لا يوجد | |
| حزمة اختبار مطابقة يونيكود للنص العربي | معيار تقييم | CC BY 4.0 | 300 حالة اختبار | v0.1.0 | لا يوجد | |
| ArabicWER لحساب معدل خطأ الكلمات والحروف (arabicwer) | أداة | Apache-2.0 | 120 حالة اختبار للمطابقة في قسم التطوير | v0.1.0 | لا يوجد | |
| قوالب موافقة المساهمين | دليل | CC BY 4.0 | — | v1.0 | لا يوجد | |
| قالب مجموعات البيانات وحزمة أدوات الإصدار | أداة | Apache-2.0 | — | v0.1.0 | لا يوجد | |
| مراجع الصيغ الخليجية واختبارات التحويل بين المنطوق والمكتوب | مجموعة بيانات | CC BY 4.0 | 2000 زوج اختبار بين المنطوق والمكتوب | v0.1.0 | لا يوجد | |
| سياسة البرنامج المفتوح ودليل التشغيل | تقرير | CC BY 4.0 | 13 مراحل دليل التشغيل | v1.0.1 | لا يوجد | |
| مختبر موثوقية الوكلاء بالعربية | أداة | Apache-2.0 | 21 عائلات سير العمل الاصطناعية | v0.2.0 | 10.5281/zenodo.23355782 | |
| مجموعة بدء تقييم الاسترجاع العربي | مجموعة بيانات | CC BY 4.0 | 12 المقاطع بالعربية والإنجليزية | v0.1 | 10.5281/zenodo.23355780 | |
| LabelBench | معيار تقييم | CC BY 4.0 | 12 نتائج النماذج والمهام | v0.1 | 10.5281/zenodo.23355784 |
لماذا ننشر بيانات عربية مفتوحة
Bayanat Labs شركة بيانات عربية مقرها الرياض. نبني البيانات ولا نبني النماذج، فلا ننافس الفرق التي تستخدم عملنا. وننشر إصدارات مفتوحة صغيرة ومعايير تقييم وأدوات وأدلة، ليتمكن أي فريق من اختبار أعمال الذكاء الاصطناعي العربي علنًا، والتحقق من منهجيتنا، والاستشهاد بالنتيجة.
لا تربط Bayanat Labs أي صلة بمنصة bayanat.ae (بوابة البيانات المفتوحة في الإمارات)، ولا بشركة Bayanat AI سابقًا (Space42 حاليًا)، ولا بمكتبة bayanat من ARBML.
كيف يعمل البرنامج
القواعد التي يقوم عليها كل إصدار: ما ننشره وبأي تراخيص، والمراحل التي تمر بها مجموعة البيانات قبل نشرها، والمعيار الذي تُبنى عليه مجموعات البيانات الجديدة.
سياسة البيانات المفتوحة ←
مستويات النشر، والتراخيص التي نُصدر بها، وكيف نختار ما نبنيه.
كيف نبني مجموعات البيانات ←
مذكرة تحديد النطاق، والمراحل ذات البوابات، وتعريف الإنجاز وراء كل مجموعة بيانات مفتوحة.
معيار مجموعات البيانات ←
القالب الذي تُبنى منه الإصدارات الجديدة، وقائمة التحقق الخاصة ببطاقات مجموعات البيانات العربية.
صفحات البرنامج
طريقة الاستشهاد (بالإنجليزية) ←
معرّفات DOI الجامعة ومعرّفات كل إصدار وصيغ BibTeX وملفات CITATION.cff.
سجل الادعاءات (بالإنجليزية) ←
كل نتيجة نذكرها في هذه الصفحات، مع تاريخها ونطاقها.
طلبات الإزالة ←
اطلب منا إزالة محتوى أو تصحيحه، ونردّ عبر hello@bayanatlabs.com.
زاحف الويب لدينا (بالإنجليزية) ←
كيف يعمل الزاحف BayanatLabs-OpenData وكيف تمنعه من موقعك.
للأنظمة الآلية
أحدث التغييرات
| متتبّع نماذج الذكاء الاصطناعي العربية v0.1.0 | السجلّ والملفات المصدَّرة والرسوم البيانية وموجز Atom وملف latest.json على Hugging Face، وأداة الجمع وقواعد الإدراج وأداة بناء الملفات على GitHub، وجدول الإصدارات القابل للتصفية على هذا الموقع. | |
| مدقّق توافق تراخيص البيانات v0.1.0 | محرك القواعد ومكتبة Python وأداة سطر الأوامر وإجراء GitHub والقواعد وحالات اختبار الأحكام على GitHub، والتطبيق على الويب بالإنجليزية والعربية على Hugging Face Spaces. | |
| أطلس الوثائق العربية v0.3.0 | توسعة إصدار التدريب الثابت: اتحاد من 200,286 صورة، و679 سجل كتاب من ACO ذات صور منشورة، مع بيان حالات المعالجة الكاملة والجزئية والخطأ بصورة مستقلة. وتظل توسيمات الكلمات الآلية متميّزة عن النصوص المرجعية؛ وتوفّر مواضع المصدر الثلاثة المكرّرة المطابقة في البكسلات معلومات لتتبّع المصدر فقط. ولم تتغير مجموعتا الأزواج المرجعية والنصوص المجتمعية. | |
| أطلس الوثائق العربية v0.2.0 | توسعة إصدار التدريب الثابت بإضافة صور صفحات من ACO وتوسيمات آلية للكلمات، مع توضيح تغطية سجلات الكتب وتخصيص مجموعة مستقلة لتتبّع المواضع المكرّرة. ولم تتغير مجموعتا الأزواج المرجعية والنصوص المجتمعية. | |
| قالب إرشادات توسيم البيانات العربية | أُعلن الترخيص: CC BY 4.0. | |
| أزواج القنوات للتعرّف على الكلام العربي v0.1.0 | الصوت النظيف والمعالَج والبيانات الوصفية والقياسات وجداول معدل خطأ الكلمات لنماذج Whisper على Hugging Face، وأداة المعالجة وملف الظروف والاستجابات النبضية على GitHub. | |
| أطلس الوثائق العربية v0.1.0 | إصدار ثابت للتدريب: اتحاد الصور الفريدة، وصور ACO ونصوصها الآلية، وأزواج PDF والنصوص المرجعية ذات التراخيص المستقلة، ونصوص ويكي مصدر دون صور، وأدلة المصدر المرتبطة بقيم التحقق. | |
| أداة توحيد النص العربي (arabic-normalize) v0.1.0 | الشيفرة التجريبية (v0.1.0، لم تصدر بعد) على GitHub، والأداة التي تعمل في المتصفح على Hugging Face Spaces، وحالات اختبار المطابقة على Hugging Face. |
اعمل معنا على البيانات العربية
يمكن للمتحدثين الأصليين بالعربية واللغويين والمتخصصين الانضمام إلى شبكة المواهب للعمل عن بُعد في مهام البيانات العربية مقابل أجر عن كل مهمة. والتقديم مجاني.
هل تحتاج إلى بيانات جاهزة للإنتاج وواضحة الحقوق؟
ننشر مجانًا بيانات اختبار اصطناعية ومعايير تقييم مفتوحة ونتائج وشيفرات وأدلة. أما البيانات على نطاق واسع فتُرخَّص أو تُبنى حسب الطلب: مجموعات بيانات عربية جاهزة للترخيص من الكلام والنصوص، ينصّ الاتفاق فيها صراحةً على حقوق الاستخدام التجاري في الذكاء الاصطناعي، إضافة إلى الجمع والتوسيم والتقييم حسب الطلب.
لم يراجع النصَّ العربي بعدُ كاتبٌ لغته الأم العربية، والنص الإنجليزي هو المعتمد. (The Arabic text has not yet been reviewed by a native Arabic writer; the English governs.)