Datasets:

Modalities:
Text
Formats:
text
Languages:
German
ArXiv:
Libraries:
Datasets
License:
Dataset Viewer
Auto-converted to Parquet
text
stringlengths
0
12.9k
ah, nö.
bis auf das eine Fax da.
ja, was xxx.
das habe ich nicht genau lesen können.
fax haben sie geschickt oder wie?
ja, sie haben ein Fax geschickt.
mit dem Las Vegas, ne?
ja, das haben sie dann und dieser Teil ist jetzt für Emily so
ach so.
aha.
soll sich noch mal erkundigen.
jetzt hat sie sich noch mal erkundigt.
kostet wohl so um die fünfhundert Dollar.
fine!
ja.
aber der die Frieda, ne.
die ist jetzt in Las Vegas.
die ist sogar fünf Tage für so einen xxx
für dreihundert Dollar, ne.
und, aber da sie uns ja nicht fragen, sondern die
das ist schon.
und die ist dann in das Reisebüro gegangen.
da habe ich doch nix mit am Hut, ne.
nö.
hast du da auch nichts gesagt, oder?
nö, habe ich auch nichts gesagt, ne.
nö.
und das xxx.
Dann wollte.
sollte die das schon festmachen oder was?
ja, und das will die nicht, ne.
aha.
und jetzt haben sie ihr dann wohl in dem Fax geschrieben, sie soll
ah so, ne.
sie wollten an Anfang November wollten sie da hin, ne.
das ist doch allerhand, ne.
nämlich das
und.
sind doch dann tausend Dollar.
das sind doch dann fünfzehn, ne?
ja, ja, sicher.
fünfzehn, sechzehn Hundert Mark.
ja, dann hat sie aber noch nix Essen und noch k- fü- keine
nee.
und wie lange bist du dann da?
drei Tage.
drei Tage?
mhm.
drei Tage.
was ist das denn?
flug oder was?
flug und Hotel.
flug und Hotel.
aha Aber das ist
teuer, meiner Meinung
nach, ne.
also kommst du auch billiger da hin.
wollten die xxx.
ich wollt-.
sollen die auch mit hier die Tochter und die?
ja, ja, deswegen.
damit
mhm.
nicht nur ein ein ein Urlaub wäre, haben sie gesagt,
mhm.
also damit sie auch na ja.
das ist ja dann nix, wenn du vielleicht nur am Strand bist oder so,
nee, und ich hatte dann nur zur Frieda gesagt, wenn wir dann im
Dann könnte sie ja mal an uns denken.
und da sagt sie, würde sie machen.
jetzt regt der Vater sich da drüber auf und sagte, er will nicht da
komisch.
ich ich ziehe nicht nach Florida, um nach Las Vegas
ja, ich sage, ich meine es doch nur gut xxx.
er spielt doch so gerne, ne.
Mein Gott, der stellt sich doch sonst nicht so an.
ja.
ja, ja, aber i- ich mache das sowieso dann nachher.
das habe ich ja sowieso gesagt, ne.
aha Na.
genauso jetzt war sie, waren sie in Orlendo, da gab es
und das muß so schön sein.
das ist so ein ein Musical, ne.
und da da sollte ich dann alleine mit, weil der Papa nicht
und das wollte er auch nicht.
das muß wohl ganz schön sein.
das ist das wäre dann aber nur über eine Nacht gewe- gewesen, ne.
mhm.
das wäre Samstag gewesen und mit Übernachtung in Orlendo, ne.
und den Hund haben sie wieder zurückgebracht?
Emily?
den hat sie wieder zurückgebracht, ja.
ja?
wurde ihr zuviel oder was?
das wurd- das wurde ihr zuviel.
und was jetzt so ist, wenn du abends bevor es so dunkel wird,
die Straße gehst, da sind die Mücken so schlimm.
mhm.
da steht jetzt auch schon ein paar Mal in der Zeitung, du
oder nach Möglichkeit nicht rausgehen.
End of preview. Expand in Data Studio

German BabyLM dataset

This is a pre-training dataset for training developmentally plausible language models in German (also called BabyLMs), compiled by the Computational Linguistics Group (CLAUSE) at Bielefeld University.

If you are looking for ways to evaluate your German BabyLMs, we recommend our own lexical decision dataset, CLAMS for syntactic evaluation and XCOMPS for conceptual semantics/world knowledge.

The composition is inspired by the original, English BabyLM dataset (see babylm.github.io), more info can be found in our paper, see also below for bib reference). It contains 16.5M words from a variety of sources:

Dataset Description # Words
CHILDES Child-directed speech 3,626,301
CHILDES Child speech 1,511,144
OpenSubtitles Movie subtitles 1,543,094
CallHome Phone conversations 176,313
Klexikon Children's online encyclopedia 1,384,891
MiniKlexikon Simplified online encyclopedia 272,886
Wikibooks Wikijunior Educational books 226,773
Fluter German youth magazine 2,862,278
Project Gutenberg Literature (children's and young adult) 2,476,133
Dreambank Dream reports 939,197
Leipzig corpus news texts Short news texts 1,541,803
Total 16,560,813

The CHILDES data were taken from the CHILDES database for German.

OpenSubtitles data was sourced from OPUS.

CallHome data was taken from TalkBank.

We collected the Klexikon, MiniKlexikon, Wikibooks and Fluter data ourselves.

Book data was downloaded from Project Gutenberg.

Dreambank data was extracted from this dataset.

The news texts were downloaded from the Leipzig corpora.

If you use our BabyLM dataset, please cite the following preprint:

@misc{bunzeck2025constructiondistributionsshapeformal,
      title={Do Construction Distributions Shape Formal Language Learning In German BabyLMs?}, 
      author={Bastian Bunzeck and Daniel Duran and Sina Zarrieß},
      year={2025},
      eprint={2503.11593},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2503.11593}, 
}
Downloads last month
11

Collection including bbunzeck/babylm-german