IndicTalk: A Large-Scale Persona-Based Multilingual Conversational Corpus for Indic Languages

• 类型：arxiv
• 标识：2607.23242
• 链接：https://arxiv.org/abs/2607.23242
• 主分类：llm-infra
• 形态：benchmark
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：IndicTalk is presented, one of the largest multilingual Indic code-mixed conversational corpora, comprising over 13,28,604 event-grounded multi-turn conversations across 18 language varieties covering 9 Indic languages and will be released to support the development and evaluation of multilingual conversational AI for underrepresented Indic languages.
• OpenAlex ID：W7171579456
• OpenAlex DOI：10.48550/arxiv.2607.23242
• DOI：10.48550/arxiv.2607.23242
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.23242
• OpenAlex更新：2026-08-25
• 待LLM分类：否
• 标题中文：IndicTalk：面向印度语系的大规模人格化多语言对话语料库
• TLDR中文：本文提出 IndicTalk，目前最大的多语言印度语码混合（code-mixed）会话语料库，包含超过 13,28,604 段事件驱动的多轮对话，覆盖 9 种印度语言的 18 种语言变体，将公开发布以支持低资源印度语多语言会话 AI 的开发与评估。
• 成熟度：research
• 场景：multilingual dialogue、Indic languages、corpus
• 来源文件：
• /inbox/tom/_candidates/2026-07-28-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]