Dataset Viewer
Auto-converted to Parquet
text_id
int64
2.7k
4.07k
origin_sentence
stringlengths
10
304
reference
stringlengths
10
304
origin_language
stringclasses
2 values
target_language
stringclasses
2 values
2,697
Ναμ' εδούτ͡σε.
Μας έδωσε.
tsd
ell
2,703
Τσι ντ' εδούτ͡σε;
Τι σου έδωσε;
tsd
ell
2,722
Μ' επέτ͡σε να μι δούρε τα τετράδια με τουρ ασκήσε τ͡σαί τα χαρκία για να ζβαΐσουμε.
Μου είπε να μου δώσεις τα τετράδια με τις ασκήσεις και τα βιβλία για να διαβάσουμε.
tsd
ell
2,758
Εμού κιά έτ̔ε έγγουντε;
Εσείς που πάτε;
tsd
ell
2,767
Κα, α αφεγκία ντι;
Καλά, η αφεντιά σου;
tsd
ell
2,777
Μάζου τα πράματά ντι.
Μάζεψε τα πράγματά σου.
tsd
ell
2,788
Έγκεινι έν̇ι το ίδιε με το άλλιου.
Εκείνα είναι το ίδιο με το άλλο.
tsd
ell
2,817
Ν̂' εφαήτ͡σερε όλε τον άντε;
Το έφαγες όλο το ψωμί;
tsd
ell
2,822
Όα ταν αμέρα έκι ζβαΐχου.
Όλη την ημέρα διάβαζε.
tsd
ell
2,866
Τσ' εσ' ποίου, κα έσι;
Τι κάνεις, καλά είσαι;
tsd
ell
3,022
Σάματσι ν̂' οράκα καθόλου;
Μήπως τον είδα καθόλου;
tsd
ell
3,051
Έντεν̇η ο σάκο έν̇ι πιο βαριού από τον άλλε.
Αυτό το σακί είναι πιο βαρύ από το άλλο.
tsd
ell
3,052
Όνι πορού να σι τ̔αΐσου ένταϊ τα κάβα, είνι βαρία.
Δε μπορώ να τα σηκώσω αυτά τα ξύλα, είναι βαριά.
tsd
ell
3,057
Θα μόλωϊ τ͡σαι καλ̣οίρ αμέρε.
Θα έρθουν και καλές ημέρες.
tsd
ell
3,183
Το ίδιε επαθήκα τ͡σ' εζού με το λουπάϊ.
Το ίδιο έπαθα κι εγώ με το τσουκάλι.
tsd
ell
3,196
Τον Άγουστε θα ζάμε το Μέανε.
Τον Αύγουστο θα πάμε στα Μέλανα.
tsd
ell
3,309
Ο δάσκαλε νάμ' επέτ͡σε ένα παρανύθι για ταν αλεπού τ͡σαι το κ̔άβουρα.
Ο δάσκαλος μας είπε ένα παραμύθι για την αλεπού και τον κάβουρα.
tsd
ell
3,352
Νίλι πιο δυνατά, όνι νίου ντι.
Μίλα πιο δυνατά, δε σ'ακούω.
tsd
ell
3,441
Το καμπζί έν̇ι βούντα γιατσί έν̇ι κεινούντα.
Το παιδί κλαίει γιατί πεινάει.
tsd
ell
3,562
Εσούσμαϊ από το τ̔ούμα του λιούκου.
Γλυτώσαμε από το στόμα του λύκου.
tsd
ell
3,635
Απανούσε από ταν τ͡σέα μι νια καρδάρα κρεμαστά. Το φεγγάρι όταν έν̇ι γιομάκιου.
Από πάνω από το σπίτι μου μια καρδάρα κρεμασμένη. Το φεγγάρι, όταν είναι πανσέληνος.
tsd
ell
3,709
Σάμερε έν̇ι έχου τεγανιστέ μπακαλιάρο. Έν̇ι έχου φκιαστέ τ͡σαι σκορδαλ̣ία. Έν̇ι έχου τ͡σαι γλυκαδάντζα από τον έριφο π̔' εθύκα επ̔έρι. Ανοία τ͡σαι το βαρέλι με το σερνιαλιώτσιχο. Ν̂' εδοτ͡σιμά. Έν̇ι ανασταίντα πενατέ. Α, να, είνι παρίντε ο Βατζέλη με το Θόδερε. Έατ̔ε, κατσάτ̔ε τ͡σ' εμού ταν παρέα νάμου.
Σήμερα έχω τηγανίσει μπακαλιάρο. Έχω φτιάξει και σκορδαλιά. Έχω και γλυκαδάκια από το κατσίκι που έσφαξα χθες. Άνοιξα και το βαρέλι με το σερνιαλιώτικο. Το δοκίμασα. Ανασταίνει και πεθαμένο και ναι και ο Βαγγέλης με το Θόδωρο. Ελάτε, καθίστε και σεις στην παρέα μας.
tsd
ell
3,743
Όλοι οι δουλ̣είε παλιά ήγκιαϊ γινουμέν̇οι με τα ζώα. Μουάρια, όνου, άγοα τ͡σαι βούε πιο παλιά. Σάμερε είνι για νουμέν̇οι με μηχανήματα.
Όλες οι δουλειές παλιά γινόντουσαν με τα ζώα. Μουλάρια, γαϊδούρια, άλογα και πιο παλιά με βόδια. Σήμερα γίνονται με μηχανήματα.
tsd
ell
3,745
Όσοι είνι κοντά τα θάσσα είνι ψαράδε. Του πιο πρεσσοί δουλ̣είε σ' ήγκιαϊ ποίντε με του χέρε. Σάμερε τ͡σαι όρεγι εβαλ̣ήκαϊ μηχανήματα. Πρεσσοί είνι ναυκιτ͡σοί. Παλιά ἠγκιαϊ έχουντε δικά σου καΐτ͡σια, για να κουβαλ̣ίνωϊ τα προϊόντα.
Όσοι είναι κοντά στη θάλασσα είναι ψαράδες. Τις πιο πολλές δουλειές τις έκαναν με τα χέρια. Σήμερα και εδώ έβαλαν μηχα νήματα. Πολλοί είναι ναυτικοί. Παλιά είχαν δικά τους καΐκια για να μεταφέρουν τα προϊόντα.
tsd
ell
3,873
Α μάτη έν̇ι άσσα το καμπζί.
Η μάνα αλλάζει το παιδί.
tsd
ell
3,984
Κλείε τον πόρε.
Κλείσε την πόρτα.
tsd
ell
4,074
Ο τ͡σαιρέ έν̇ι ογρέ.
Ο καιρός είναι υγρός.
tsd
ell
2,697
Μας έδωσε.
Ναμ' εδούτ͡σε.
ell
tsd
2,703
Τι σου έδωσε;
Τσι ντ' εδούτ͡σε;
ell
tsd
2,722
Μου είπε να μου δώσεις τα τετράδια με τις ασκήσεις και τα βιβλία για να διαβάσουμε.
Μ' επέτ͡σε να μι δούρε τα τετράδια με τουρ ασκήσε τ͡σαί τα χαρκία για να ζβαΐσουμε.
ell
tsd
2,758
Εσείς που πάτε;
Εμού κιά έτ̔ε έγγουντε;
ell
tsd
2,767
Καλά, η αφεντιά σου;
Κα, α αφεγκία ντι;
ell
tsd
2,777
Μάζεψε τα πράγματά σου.
Μάζου τα πράματά ντι.
ell
tsd
2,788
Εκείνα είναι το ίδιο με το άλλο.
Έγκεινι έν̇ι το ίδιε με το άλλιου.
ell
tsd
2,817
Το έφαγες όλο το ψωμί;
Ν̂' εφαήτ͡σερε όλε τον άντε;
ell
tsd
2,822
Όλη την ημέρα διάβαζε.
Όα ταν αμέρα έκι ζβαΐχου.
ell
tsd
2,866
Τι κάνεις, καλά είσαι;
Τσ' εσ' ποίου, κα έσι;
ell
tsd
3,022
Μήπως τον είδα καθόλου;
Σάματσι ν̂' οράκα καθόλου;
ell
tsd
3,051
Αυτό το σακί είναι πιο βαρύ από το άλλο.
Έντεν̇η ο σάκο έν̇ι πιο βαριού από τον άλλε.
ell
tsd
3,052
Δε μπορώ να τα σηκώσω αυτά τα ξύλα, είναι βαριά.
Όνι πορού να σι τ̔αΐσου ένταϊ τα κάβα, είνι βαρία.
ell
tsd
3,057
Θα έρθουν και καλές ημέρες.
Θα μόλωϊ τ͡σαι καλ̣οίρ αμέρε.
ell
tsd
3,183
Το ίδιο έπαθα κι εγώ με το τσουκάλι.
Το ίδιε επαθήκα τ͡σ' εζού με το λουπάϊ.
ell
tsd
3,196
Τον Αύγουστο θα πάμε στα Μέλανα.
Τον Άγουστε θα ζάμε το Μέανε.
ell
tsd
3,309
Ο δάσκαλος μας είπε ένα παραμύθι για την αλεπού και τον κάβουρα.
Ο δάσκαλε νάμ' επέτ͡σε ένα παρανύθι για ταν αλεπού τ͡σαι το κ̔άβουρα.
ell
tsd
3,352
Μίλα πιο δυνατά, δε σ'ακούω.
Νίλι πιο δυνατά, όνι νίου ντι.
ell
tsd
3,441
Το παιδί κλαίει γιατί πεινάει.
Το καμπζί έν̇ι βούντα γιατσί έν̇ι κεινούντα.
ell
tsd
3,562
Γλυτώσαμε από το στόμα του λύκου.
Εσούσμαϊ από το τ̔ούμα του λιούκου.
ell
tsd
3,635
Από πάνω από το σπίτι μου μια καρδάρα κρεμασμένη. Το φεγγάρι, όταν είναι πανσέληνος.
Απανούσε από ταν τ͡σέα μι νια καρδάρα κρεμαστά. Το φεγγάρι όταν έν̇ι γιομάκιου.
ell
tsd
3,709
Σήμερα έχω τηγανίσει μπακαλιάρο. Έχω φτιάξει και σκορδαλιά. Έχω και γλυκαδάκια από το κατσίκι που έσφαξα χθες. Άνοιξα και το βαρέλι με το σερνιαλιώτικο. Το δοκίμασα. Ανασταίνει και πεθαμένο και ναι και ο Βαγγέλης με το Θόδωρο. Ελάτε, καθίστε και σεις στην παρέα μας.
Σάμερε έν̇ι έχου τεγανιστέ μπακαλιάρο. Έν̇ι έχου φκιαστέ τ͡σαι σκορδαλ̣ία. Έν̇ι έχου τ͡σαι γλυκαδάντζα από τον έριφο π̔' εθύκα επ̔έρι. Ανοία τ͡σαι το βαρέλι με το σερνιαλιώτσιχο. Ν̂' εδοτ͡σιμά. Έν̇ι ανασταίντα πενατέ. Α, να, είνι παρίντε ο Βατζέλη με το Θόδερε. Έατ̔ε, κατσάτ̔ε τ͡σ' εμού ταν παρέα νάμου.
ell
tsd
3,743
Όλες οι δουλειές παλιά γινόντουσαν με τα ζώα. Μουλάρια, γαϊδούρια, άλογα και πιο παλιά με βόδια. Σήμερα γίνονται με μηχανήματα.
Όλοι οι δουλ̣είε παλιά ήγκιαϊ γινουμέν̇οι με τα ζώα. Μουάρια, όνου, άγοα τ͡σαι βούε πιο παλιά. Σάμερε είνι για νουμέν̇οι με μηχανήματα.
ell
tsd
3,745
Όσοι είναι κοντά στη θάλασσα είναι ψαράδες. Τις πιο πολλές δουλειές τις έκαναν με τα χέρια. Σήμερα και εδώ έβαλαν μηχα νήματα. Πολλοί είναι ναυτικοί. Παλιά είχαν δικά τους καΐκια για να μεταφέρουν τα προϊόντα.
Όσοι είνι κοντά τα θάσσα είνι ψαράδε. Του πιο πρεσσοί δουλ̣είε σ' ήγκιαϊ ποίντε με του χέρε. Σάμερε τ͡σαι όρεγι εβαλ̣ήκαϊ μηχανήματα. Πρεσσοί είνι ναυκιτ͡σοί. Παλιά ἠγκιαϊ έχουντε δικά σου καΐτ͡σια, για να κουβαλ̣ίνωϊ τα προϊόντα.
ell
tsd
3,873
Η μάνα αλλάζει το παιδί.
Α μάτη έν̇ι άσσα το καμπζί.
ell
tsd
3,984
Κλείσε την πόρτα.
Κλείε τον πόρε.
ell
tsd
4,074
Ο καιρός είναι υγρός.
Ο τ͡σαιρέ έν̇ι ογρέ.
ell
tsd

Tsakonian-Greek Translation Evaluation Set 1

This dataset contains 27 sentences in both translation directions: Tsakonian to Greek and Greek to Tsakonian, for a total of 54 sentence pairs. It is designed for evaluating machine translation models, specifically for computing BLEU and ChrF scores.

Sources

The main source for this evaluation set is the book Για να κ̔οντούμε τα γρούσσα νάμου (Gia na khontoume ta groussa namou) by Ioannis Kamvysis, with additional manual corrections and adaptations to ensure quality and consistency.

Selection Criteria

  • Sentences use Tsakonian regular orthography (Kostakis orthography).
    • Example: Έγγου is used instead of Έγκου.
  • Each sentence is self-contained and provides all necessary information for accurate translation.
    • For example, if a sentence uses the feminine form of verbs in the first person, it includes context to indicate this.
  • Sentences that are too complex or too short are avoided. As a reference, sentences are generally longer than 4 words.

Usage

This evaluation set is intended for computing BLEU and ChrF scores for Tsakonian-Greek translation models. It provides a basic benchmark for model comparison and progress tracking.

Limitations

  • The dataset is simple and small, reflecting the scarcity of high-quality, curated Tsakonian-Greek parallel data.
  • It is intended as a starting point for evaluation and benchmarking, and as a foundation for building larger and more challenging datasets in the future.
Downloads last month
5