Datasets:

kalixlouiis
/

English-Burmese-TED-Talks-Translation

English stringlengths 3 367	Burmese stringlengths 7 434
On the dusty roads of a small village, a travelling salesman was having difficulty selling his wares.	ဇနပုဒ်တစ်ခုရဲ့ ဖုန်ထူထူ လမ်းတွေပေါ်မှာ ခရီးသွား အရောင်းသမားတစ်ယောက်ဟာ သူ့ရဲ့ ရောင်းကုန်တွေ ရောင်းချရာမှာ အခက်ကြုံနေတယ်။
He’d recently traversed the region just a few weeks ago, and most of the villagers had already seen his supply.	လွန်ခဲ့တဲ့ သီတင်းပတ်အနည်းငယ်ကမှ ဒီနယ်ကို သူဖြတ်သွားခဲ့တာဆိုတော့ ရွာသားအများစုဟာ သူ့ကုန်တွေကို မြင်ပြီးကြပါပြီ။
So he wandered the outskirts of the town in the hopes of finding some new customers.	ဒါကြောင့် ဖောက်သည်သစ်တွေ တွေ့မလားလို့ မျှော်လင့်ချက်နဲ့ မြို့ဆင်ခြေဖုံးမှာ လှည့်လည်နေခဲ့တယ်။
Unfortunately, the road was largely deserted, and the salesman was about to turn back...	ကံဆိုးချင်တော့ လမ်းက အတော့ကို လူသူကင်းမဲ့နေပြီး အရောင်းသမားက ပြန်လှည့်မယ်အလုပ်မှာ...
...when he heard a high-pitched yelp coming from the edge of the forest.	...သစ်တောစပ်ကနေ လာတဲ့ စူးခနဲအော်သံတစ်ခုကို သူ ကြားလိုက်ရတယ်။
Following the screams to their source, he discovered a trapped tanuki.	စူးစူးဝါးဝါးအသံရဲ့ရင်းမြစ်နောက်လိုက်ရင်း ပိတ်မိနေတဲ့ တာနုကိတစ်ကောင်ကို သူ တွေ့တယ်။
While these racoon-like creatures were known for their wily ways, this one appeared terrified and powerless.	ဒီရက်ကွန်းဝက်ဝံလို သတ္တဝါတွေကို စဉ်းလဲတဲ့ နည်းလမ်းတွေကြောင့် လူတွေသိကြပေမဲ့ ဒီတစ်ကောင်ကတော့ ကြောက်လန့်တကြားနဲ့ အစွမ်းမဲ့နေပုံရတယ်။
The salesman freed the struggling creature, but before he could tend to its wounds, it bolted into the undergrowth.	အရောင်းသမားက ရုန်းနေတဲ့ သတ္တဝါကို လွှတ်ပေးလိုက်ပေမဲ့ သူ့ဒဏ်ရာတွေဆီ ကုသမပေးနိုင်ခင် ချုံပုတ်ထဲကို ပြေးဝင်သွားတယ်။
The next day, he set off on his usual route.	နောက်တစ်နေ့မှာ သူဟာ ပုံမှန်လမ်းကြောင်း စထွက်တယ်။
As he trudged along, he spotted a discarded tea kettle.	မလှမ်းချင့်လှမ်းချင်လှမ်းနေစဉ် စွန့်ပစ်ထားတဲံ ရေနွေးကရားတစ်လုံးကို တွေ့မိတယ်။
It was rusty and old— but perhaps he could sell it to the local monks.	သံချေးတက်ပြီး ဟောင်းနေပေမဲ့ နယ်ခံ ဘုန်းကြီးတွေကို ရောင်းလို့ရလောက်တယ်။
The salesman polished it until it sparkled and shone.	အရောင်းသမားက ကရားကို ပြောင်လက်သွားတဲ့အထိ တိုက်ချွတ်လိုက်တယ်။
He carried the kettle to Morin-ji Temple and presented it to the solemn monks.	ကရားကို မိုရင်း-ဂျီကျောင်းကို သယ်သွားပြီး တည်ငြိမ်တဲ့ ဘုန်းကြီးတွေကို ပြလိုက်တယ်။
To open the ceremony, they began to pour cups of tea for each monk—	အခမ်းအနား ဖွင့်ဖို့ ဘုန်းကြီးတစ်ပါးစီအတွက် လက်ဖက်ရည်ခွက်တွေကို စငှဲ့ပေးပေမဲ့...
but the kettle cooled too quickly.	ကရားက အလွန် မြန်မြန် အေးသွားတယ်။
It had to be reheated often throughout the long service...	ရှည်ကြာတဲ့ ဝတ်ပြုမှုတစ်လျှောက်လုံး မကြာခဏ ပြန်နွှေးရပြီး...
and when it was hot, it seemed to squirm in the pourer’s hand.	ပူလာတဲ့အခါ ငှဲ့ပေးသူရဲ့လက်ထဲမှာ လူးလွန့်နေပုံရတယ်။
By the end of the ceremony, the monks felt cheated by their purchase, and called for the salesman to return and explain himself.	အခမ်းအနားဆုံးတော့ ရောင်းဝယ်မှုမှာ အလိမ်ခံလိုက်ရတာကို ဘုန်းကြီးတွေ သိတော့ အရောင်းသမားကို ပြန်လာပြီး ကိုယ်တိုင်ရှင်းပြဖို့ ခေါ်လိုက်တယ်။
The following morning, the salesman examined the pot, but he couldn’t find anything unusual about it.	နောက်တစ်နေ့မနက်မှာ အရောင်းသမားက အိုးကို စစ်ဆေးပေမဲ့ ဒါနဲ့ပတ်သက်ပြီး ထူးခြားတာ တစ်ခုမှ ရှာမတွေ့နိုင်ဘူး။
Hoping a cup of tea would help them think, they set the kettle on the fire.	လက်ဖက်ရည်ခွက်က သူတို့ကို တွေးမိစေမလားဆိုပြီး ကရားကို မီးဖိုပေါ်တင်လိုက်တယ်။
Within moments, the metal began to sweat.	တစ်ခဏအတွင်းမှာပဲ သတ္ထုက ချွေးစပြန်လာတယ်။
Suddenly, it sprouted a scrubby tail, furry paws and pointed nose.	ရုတ်တရက် ကြုံလှီနေတဲ့ အမြီး၊ အမွေးဖွားဖွား ဖဝါးတွေနဲ့ နှာခေါင်းချွန်တစ်ခု ထွက်လာတယ်။
With a yelp, the salesman recognized the tanuki he’d freed.	စူးခနဲ့အော်သံနဲ့အတူ အရောင်းသမားဟာ သူ လွှတ်ပေးခဲ့တဲ့ တာနုကိကို မှတ်မိသွားတယ်။
The salesman was shocked.	အရောင်းသမား လန့်သွားတယ်။
He’d heard tales of shape-shifting tanuki who transformed by pulling on their testicles.	သူတို့ရဲ့ငယ်ပါတွေကို ဆွဲလိုက်တာနဲ့ ပုံစံပြောင်းသွားတဲ့ တာနုကိပုံပြင်တွေကို သူကြားဖူးတယ်။
But they were usually troublesome tricksters, who played embarrassing pranks on travellers...	ဒါပေမဲ့ အမြဲလို ဒုက္ခပေး၊ ဉာဏ်များတဲ့ကောင်တွေပါ။ ခရီးသွားတွေကို ကသိကအောက်ဖြစ်အောင် ကျီစယ်တတ်တဲ့...
or made it rain money that later dissolved into leaves.	ငွေမိုးတွေ ရွာချပြီး နောက်တော့ သစ်ရွက်တွေထဲမှာ ပျောက်ကွယ်အောင်လုပ်သူတွေပါ။
Some people even placed tanuki statues outside their homes and businesses to trick potential pranksters into taking their antics elsewhere.	လူတချို့က အလားအလာရှိတဲ့ နောက်ပြောင်သူတွေရဲ့ ဟာသလုပ်ရပ်တွေကို အခြားနေရာကို ယူသွားရန် လှည့်စားဖို့ တာနုကိရုပ်တုတွေကို အိမ်တွေ၊ လုပ်ငန်းတွေရဲ့အပြင်မှာတောင်ထားတယ်။
However, this tanuki only smiled sweetly.	ဒါပေမဲ့ ဒီတာနုကိက ချိုသာစွာပဲ ပြုံးပြတယ်။
Why had he chosen this unsuspecting form?	ဘာလို့ သူက ဒီမသိလိုက်မသိဘာသာ ပုံစံကို ရွေးတာလဲ။
The tanuki explained that he wanted to repay the salesman’s kindness.	တာနုကိ ရှင်းပြတာက အရောင်းသမားရဲ့ ကြင်နာမှုကိုပြန်ပေးဆပ်ချင်လို့ပါတဲ့။
However, he’d grown too hot as a tea kettle, and didn’t like being burned, scrubbed, or polished.	ဒါပေမဲ့ လက်ဖက်ရည် ကရားတစ်လုံးအဖြစ် ပူပြင်းလွန်း လာပြီး မီးအပူပေးတာ၊ ဆေးကြော၊ တိုက်ချွတ်ခံရတာ မကြိုက်ဘူးတဲ့။
The monk and salesman laughed, both impressed by this honourable trickster.	ဘုန်းကြီးနဲ့ အရောင်းသမား ရယ်မောပြီး ဒီရိုးသားတဲ့ နောက်ပြောင်သူကို အထင်ကြီးတယ်။
From that day on, the tanuki became an esteemed guest of the temple.	အဲဒီနေက စပြီး တာနုကိဟာ ကျောင်းရဲ့လေးစားခံရတဲ့ ဧည်သည်တော်ဖြစ်လာခဲ့တယ်။
He could frequently be found telling tales and performing tricks that amused even the most serious monks.	အတည်ဆုံး ဘုန်းကြီးတွေကိုတောင် ပြုံးရယ်စေတဲ့ ပုံပြင်တွေ ပြောလိုက်၊ လက်လှည့်ပြကွက်တွေ ပြလိုက် သူလုပ်နေတာကို မကြာခဏ တွေ့နိုင်တယ်။
Villagers came from far away to see the temple tanuki...	ရွာသားတွေက ကျောင်းတော်က တာနုကိကို ကြည့်ဖို့ ခရီးဝေးကနေ လာကြပြီး...
and the salesman visited often to share tea made from an entirely normal kettle.	အရောင်းသမားက လုံးဝ သာမန် ကရားကနေ ဖျော်တဲ့ လက်ဖက်ရည်ကို မျှဝေဖို့ မကြာခဏ လာလည်တယ်။
It was 120 BCE, and Mithridates’ father, the ruler of Pontus, had been poisoned by enemies.	အဲဒီအချိန်က ဘီစီ ၁၂၀ ပါ၊ Pontus အုပ်ချုပ်သူ Mithridates ရဲ့ ဖခင်ကို ရန်သူတွေက အဆိပ်ခတ်ခဲ့ကြတယ်။
Fearing that his mother might poison him to usurp the throne, Mithridates went into hiding.	ထီးနန်းကို လုယူဖို့ သူ့မိခင်က သူ့ကို အဆိပ်ခတမှာကို စိုးရိမ်တာကြောင့် Mithridates က ပုန်းအောင်းနေခဲ့တယ်။
When he reappeared, he committed himself to building his tolerance to poison, allegedly micro-dosing various toxins each day.	သူ ပြန်ပေါ်လာတဲ့အခါမှာ၊ အဆိပ်ကို ခံနိုင်ရည်ရှိအောင် တည်ဆောက်ဖို့ဆုံးဖြတ်ကာ နေ့စဉ် အဆိပ်မျိုးစုံကို နည်းနည်းချင်း သောက်သုံးတယ်လို့ဆိုကြတယ်။
He reached his 70s, and chose to die by sword, evading capture.	သူက အသက် ၇၀ အရွယ် ရောက်ရှိပြီး ဖမ်းဆီးတာ ရှောင်ရှားရင်း ဓားနဲ့ အသေခံဖို့ ရွေးချယ်ခဲ့တယ်။
No substance has perhaps been as constant an ally to insidious scheming as arsenic, the so-called “king of poisons.”	“အဆိပ်ဘုရင်” လို့ ခေါ်တဲ့ အာဆင်းနစ်လို မဟာမိတ်အဖြစ် ဆိုးသွမ်းတဲ့ ကြံစည်မှုလောက် အဆက်မပြတ်ဖြစ်တဲ့ ဒြပ်ပစ္စည်း မရှိခဲ့ဖူးလောက်ဘူး။
It’s a naturally occurring, widely distributed metallic element.	ဒါက သဘာဝအတိုင်း ဖြစ်ပေါပြီး ကျယ်ပြန့်စွာ ပျံ့နှံ့နေတဲ့ သတ္တုဒြပ်စင်ဖြစ်ပါ။
In its chemically pure form, it isn’t much of a threat because our bodies don’t absorb it well; it’s when arsenic combines with other elements that things get dangerous.	ဓာတုဗေဒနည်းအရ သန့်စင်တဲ့ ပုံစံအရ၊ ဒါကို ခန္ဓာကိုယ်က ကောင်းကောင်း မစုပ်ယူနိုင်တာကြောင့် ခြိမ်းခြောက်မှုသိပ်မရှိပါဘူး။ အာဆင်းနစ်က တခြားဒြပ်စင်တွေနဲ့ ပေါင်းစပ်တဲ့အခါမှသာ အရာဝတ္ထုတွေက အန္တရာယ်ဖြစ်လာတာပါ။
When arsenic reacts with oxygen, it may assume its most common poisonous form: white arsenic, a powder that can be immediately lethal or kill over time.	အာဆင်းနစ်က အောက်ဆီဂျင်နဲ့ ဓာတ်ပြုတဲ့အခါ၊ ၎င်းရဲ့ အတွေ့အများဆုံး အဆိပ်ရှိတဲ့ ပုံစံဖြစ်တဲ့ အာဆင်းနစ် အဖြူမှုန့်ဟာ ချက်ချင်း သေစေနိုင်သလို၊ အချိန်ကြာလာမှလည်း သေစေနိုင်တယ်။
At the molecular level, white arsenic resembles phosphate, which is essential to the body's basic cellular reactions.	မော်လီကျူးအဆင့်မှာ၊ အာဆင်းနစ် အဖြူက ဖော့စဖိတ်နဲ့ဆင်တူပြီး၊ ဖော့စဖိတ်က ခန္ဓာကိုယ်ရဲ့ အခြေခံ ဆဲလ်ဆိုင်ရာ တုံ့ပြန်မှုတွေအတွက် မရှိမဖြစ်ပါ။
When white arsenic enters the body, it replaces phosphates, compromising critical processes like cellular energy production.	အာဆင်းနစ် အဖြူက ခန္ဓာကိုယ်ထဲကို ဝင်လာတဲ့အခါ၊ ဆဲလ် စွမ်းအင်ထုတ်လုပ်မှုလို အရေးပါတဲ့ လုပ်ငန်းစဉ်တွေကို ထိခိုက်စေရင်း ဖော့စဖိတ်နေရာမှာ အစားထိုး ဝင်ရောက်ပါတယ်။
The symptoms of arsenic poisoning overlap with common illnesses in history. And white arsenic is inconspicuously odorless and tasteless.	အာဆင်းနစ် အဆိပ်သင့်တဲ့လက္ခဏာတွေက သမိုင်းတစ်လျှောက် ဖြစ်နေကျ နာမကျန်းမှုတွေနဲ့ ထပ်တူကျနေတယ်။ ပြီးတော့ အာဆင်းနစ် အဖြူက မသိမသာ အနံ့မဲ့ပြီး အရသာမဲ့ပါတယ်။
These characteristics made it a choice murder weapon.	ဒီလက္ခဏာတွေက အာဆင်းနစ် အဖြူကို လူသတ်ရာမှာ ရွေးချယ်သင့်တဲ့ လက်နက်တစ်ခု ဖြစ်စေခဲ့တာပါ။
In ancient Egypt and Greece, people encountered arsenic while mining and smelting metals, and came to recognize its powers.	ရှေးဟောင်း အီဂျစ်နဲ့ ဂရိမှာ လူတွေက သတ္တုတူးဖော်တာနဲ့ သတ္တုအရည်ကျိုရာမှာ အာဆင်းနစ်ကို ကြုံတွေ့ရပြီး ဒါရဲ့စွမ်းအားတွေကို အသိအမှတ်ပြုလာကြတယ်။
The first preparation of white arsenic on record is attributed to Islamic Golden Age alchemist Jabir ibn Hayyan, around the 8th century.	မှတ်တမ်းဝင် အာဆင်းနစ် အဖြူကို ပထမဆုံး ပြင်ဆင်မှုက ၈ ရာစုဝန်းကျင် အစ္စလာမ် ရွှေခေတ်က ဓာတုဗေဒပညာရှင် Jabir ibn Hayyan ကြောင့်လို့ မှတ်ယူကြတယ်။
Poisoning became prevalent in Renaissance Italy, where elites like the Venetian Council of Ten decided who to assassinate and enlisted alchemists, pharmacists, and doctors to prepare the appropriate poison.	အဆိပ်ခပ်ခြင်းက ပြန်လည်ဆန်းသစ်ရေးခေတ် အီတလီမှာ ပျံ့နှံ့လာခဲ့ပြီး၊ အဲဒီခေတ်က Venetian Council of Ten လို အထက်တန်းလွှာတွေက ဘယ်သူ့ကို လုပ်ကြံရမယ်ဆိုတာ ဆုံးဖြတ်ပြီး သင့်တော်တဲ့ အဆိပ်ကို ပြင်ဆင်ဖို့ အဂ္ဂိရတ်ဆရာတွေ၊ ဆေးပညာရှင်တွေနဲ့ ဆရာဝန်တွေကို စာရင်းသွင်းခဲ့ကြတယ်။
The House of Borgia mastered the murderous art, reportedly wielding an arsenic-laced powder called Cantarella that they’d sprinkle into special guests’ goblets.	House of Borgia က လူသတ်တဲ့ အတတ်ပညာကို ကျွမ်းကျင်ပိုင်နိုင်ခဲ့ပြီး အထူးဧည့်သည်တော်တွေရဲ့ ဝိုင်ခွက်တွေမှာ ဖြူးထည့်ဖို့ Cantarella လို့ ခေါ်တဲ့ အာဆင်းနစ် အမှုန့်ကို ကိုင်စွဲထားတယ်လို့ သိရတယ်။
And during French King Louis XIV's reign, arsenic ran rampant among Parisian high society, earning it the moniker of “inheritance powder.”	ပြင်သစ်ဘုရင် Louis XIV အုပ်စိုးစဉ်အတွင်းမှာတော့ အာဆင်းနစ်က ပါရီ အထက်တန်းလွှာတွေကြားမှာ ပျံ့နှံ့နေခဲ့ပြီး ဒါကို “အမွေခံ အမှုန့်” လို့ နာမည်ပြောင် ပေးခဲ့ကြတယ်။
In 1675, the five-year Affair of the Poisons kicked off with a noblewoman confessing to murdering her father and brothers— and revealing that Paris harbored an extensive underground network of poison peddling.	၁၆၇၅ ခုနှစ်မှာ ၅ နှစ်ကြာ အဆိပ် အမှုက ဖခင်နဲ့ အစ်ကိုတွေကို သတ်ခဲ့တယ်လို့ ဝန်ခံတဲ့ ဆွေကြီးမျိုးကြီး အမျိုးသမီးတစ်ယောက်နဲ့ စတင်ခဲ့ပြီး ဒါက ပါရီမှာ ကျယ်ပြန့်တဲ့ မြေအောက် အဆိပ် ရောင်းချတဲ့ ကွန်ရက် ခိုအောင်းရာဆိုတာကို ဖော်ပြခဲ့တာပါ။
One of its central figures was Catherine Monvoisin. In addition to performing divinations and black masses, she formulated so-called love potions as well as more ghastly concoctions containing aconite, belladonna, and arsenic.	အဲဒီအမှုရဲ့ အဓိက ပုဂ္ဂိုလ်တွေထဲက တစ်ယောက်က Catherine Monvoisin ပါ။ ဂမ္ဘီရတွေနဲ့ အောက်လမ်းပွဲတွေ လုပ်တာအပြင်၊ သူက တိဝုတ်ပင်၊ ဗယ်လာဒေါနားနဲ့ အာဆင်းနစ်တို့ ပါ၀င်တဲ့ ဆိုးဝါးတဲ့ စုပေါင်းစပ်ပေါင်းတွေဖြစ်တဲ့ ပီယဆေးလို့ ခေါ်တာတွေကို ဖော်စပ်တယ်။
One of her clients was a member of the royal court whose husband died under mysterious circumstances; another was the king’s very own mistress.	သူ့ရဲ့ ဖောက်သည်တွေထဲက တစ်ယောက်ကတော့ အသိခက်တဲ့ အခြေအနေတွေအောက်မှာ ခင်ပွန်း သေဆုံးသွားတဲ့ တော်ဝင် နန်းတွင်းသူတစ်ယောက်ပါ။ နောက်တစ်ယောက်ကတော့ ဘုရင်ရဲ့ ကိုယ်လုပ်တော်ကိုယ်တိုင်ပါပဲ။
Arsenic became a more widespread weapon during the Industrial Revolution. Demand for metals, like iron, skyrocketed.	စက်မှု တော်လှန်ရေးကာလမှာ အာဆင်းနစ်က ပိုကျယ်ပြန့်တဲ့ လက်နက်တစ်ခု ဖြစ်လာခဲ့တယ်။ သံလိုပဲ သတ္တုဝယ်လိုအားကလည်း အဆမတန် မြင့်တက်လာခဲ့တယ်။
And as people melted impure ores in furnaces, some byproducts became airborne and accumulated on chimneys— including white arsenic.	လူတွေက မသန့်စင်တဲ့ သတ္တုရိုင်းတွေကို မီးပြင်းဖိုတွေမှာ အရည်ကျိုတဲ့အခါ၊ အာဆင်းနစ် အဖြူ အပါအဝင် ဘေးထွက်ပစ္စည်းတချို့က လေထဲ ပျံ့သွားပြီး မီးခိုးခေါင်းတိုင်တွေမှာ စုပုံလာကြတယ်။
The powder was scraped off in abundance and sold cheap to city-dwellers, who channeled its powers against pests— and sometimes, people.	အမှုန့်တွေကို အမြောက်အမြား ခြစ်ထုတ်ပြီး ပိုးမွှားတွေ၊ တစ်ခါတလေ လူတွေကိုပါ နှိမ်နင်းဖို့ အာဆင်းနစ်ရဲ့ အစွမ်းတွေကို အသုံးချတတ်တဲ့ မြို့သားတွေကို ဈေးပေါပေါနဲ့ ရောင်းချခဲ့ကြတယ်။
Arsenic also found its way into ubiquitous goods. In 1775, Swedish chemist Carl Wilhelm Scheele created a copper-arsenic mixture that yielded a brilliant green hue.	အာဆင်းနစ်က နေရာအနှံ့ တွေ့ရတဲ့ ကုန်ပစ္စည်းတွေထဲကိုလည်း ရောက်ရှိခဲ့တယ်။ ၁၇၇၅ ခုနှစ်မှာ၊ ဆွီဒင်ဓာတုဗေဒပညာရှင် Carl Wilhelm Scheele က တောက်ပတဲ့ အစိမ်းရောင်အသွေးကို ထုတ်ပေးတဲ့ ကြေးနီ-အာဆင်းနစ် ဓာတ်ပေါင်းကို ဖန်တီးခဲ့တယ်။
Scheele’s green soon pigmented paint, textiles, toys, soaps, cosmetics, and food coloring.	Scheele ရဲ့ အစိမ်းရောင်က ဆေး၊ အထည်၊ အရုပ်၊ ဆပ်ပြာ၊ အလှကုန်နဲ့ အစားအသောက် အရောင်ဆိုးတာတွေ ဖြစ်စေခဲ့တယ်။
By the late 1800s, 80% of English wallpaper contained arsenic. But its lethality loomed.	၁၈၀၀ ပြည့်လွန်နှစ် နှောင်းပိုင်းမှာ အင်္ဂလိပ် နံရံကပ် စက္ကူ ၈၀ % မှာ အာဆင်းနစ် ပါဝင်ခဲ့တယ်။ ဒါပေမဲ့ အာဆင်းနစ်ရဲ့ သေစေနိုင်တဲ့ အစွမ်းက ပိုမိုသိသာလာတယ်။
Several children were said to have died from inadvertently ingesting arsenic, and a public campaign finally had it banned from households.	ကလေးများစွာဟာ အာဆင်းနစ်ကို အမှတ်မထင် မျိုမိတာကြောင့် သေဆုံးခဲ့တယ်လို့ဆိုကြပြီး နောက်ဆုံး လူထု လှုပ်ရှားမှုတစ်ခုက အာဆင်းနစ်ကို အိမ်ထောင်စုတွေမှာ အသုံးမပြုဖို့ တားမြစ်ခဲ့တယ်။
Meanwhile, deliberate arsenic poisoning persisted. And because forensic arsenic tests remained rudimentary, people kept getting away with it.	ဒီအတောအတွင်းမှာ တမင်တကာ အာဆင်းနစ် အဆိပ်ခပ်တာက ဆက်ရှိနေတယ်။ မှုခင်းဆေးပညာ အာဆင်းနစ် စစ်ဆေးမှုတွေက မည်ကာမတ္တ ဆက်ဖြစ်နေတာကြောင့် လူတွေက ပြစ်မှုကျူးလွန်ပြီး ဆက်လက် လွတ်မြောက်နေကြတယ်။
In 1832, chemist James Marsh consulted on a homicide case where a man was accused of arsenic-lacing his grandfather’s coffee.	၁၈၃၂ ခုနှစ်မှာ၊ ဓာတုဗေဒပညာရှင် James Marsh က သူ့အဖိုးရဲ့ကော်ဖီကို အာဆင်းနစ် ခပ်တယ်လို့ စွပ်စွဲခံရတဲ့ လူတစ်ယောက်ရဲ့ လူသတ်မှုတစ်ခုမှာ ပါဝင် ဆွေးနွေးခဲ့တယ်။
Marsh ran the standard test, which yielded a yellowy deposit, confirming the sample was positive for arsenic.	Marsh က အဝါရောင် အနှစ်တစ်ခု ထွက်တဲ့ စံစမ်းသပ်မှုကို လုပ်ဆောင်ခဲ့ပြီး ဒီနမူနာမှာ အာဆင်းနစ် ပါဝင်တာကို အတည်ပြုခဲ့တယ်။
But the result was chemically unstable. And by the time Marsh presented it in court, the color had deteriorated, and the jury acquitted the accused.	ဒါပေမဲ့၊ ရလဒ်က ဓာတုဗေဒနည်းအရ မခိုင်မာခဲ့ပါဘူး။ Marsh က တရားရုံးမှာ တင်ပြတဲ့ အချိန်မှာ၊ အရောင်က ယိုယွင်းလာပြီး ခုံသမာဓိအဖွဲ့က တရားခံကို တရားသေလွှတ်ပေးခဲ့တယ်။
So, Marsh created a new test, whereby an arsenic-containing sample would react with zinc and acid to produce arsine gas. Once ignited, it would reveal a solid arsenic deposit.	ဒါကြောင့်၊ Marsh က အာဆင်းနစ် ပါဝင်တဲ့ နမူနာတစ်ခုကို ဇင့်နဲ့ အက်ဆစ်တို့ ဓာတ်ပြုစေပြီး အာဆင်းနစ်ပါတဲ့ ဓာတ်ငွေ့ ထုတ်လုပ်မယ့် စမ်းသပ်မှုအသစ်တစ်ခုကို ဖန်တီးခဲ့တယ်။ မီးစွဲသွားတာနဲ့၊ အဲဒါက အာဆင်းနစ် အနှစ်ကို ဖော်ပြမှာပါ။
It was the first truly reliable arsenic test.	အဲဒါက ပထမဆုံး တကယ် စိတ်ချရတဲ့ အာဆင်းနစ် စမ်းသပ်မှုပါ။
Newer tests later took its place and antidotes became available, but history remains laced with arsenic’s perverse power— sprinkled with scandal and dashed with deceit.	နောက်ပိုင်းမှာ ပိုသစ်လွင်တဲ့ စမ်းသပ်မှုတွေ ပေါ်လာကာ အဆိပ်ဖြေဆေးတွေ ရရှိလာခဲ့ပေမဲ့၊ သမိုင်းဟာ မကောင်းသတင်း ဖြန်းထားပြီး လှည့်စားမှုတွေ စွန်းထင်းနေတဲ့ အာဆင်းနစ်ရဲ့ ဆိုးယုတ်တဲ့ စွမ်းအားနဲ့ စွန်းထင်းနေဆဲပါပဲ။
On a typical day at school, endless hours are spent learning the answers to questions.	ကျောင်းက ဖြစ်ရိုးဖြစ်စဉ် နေ့တစ်နေ့မှာ မေးခွန်းတွေအတွက် အဖြေတွေကို လေ့လာရင်း အဆုံးမရှိတဲ့ နာရီတွေ ကုန်ဆုံးခဲ့တယ်။
But right now, we'll do the opposite. We're going to focus on questions where you can't learn the answers, because they're unknown.	ဒါပေမဲ့ လောလောဆယ်တော့ ကျွန်တော်တို့ ဆန့်ကျင်ဘက်ကို လုပ်မှာပါ။ အဖြေ သိမရနိုင်တဲ့ မေးခွန်းတွေကို အာရုံစိုက်တော့မှာပါ။ ဘာလို့လဲဆိုတော့ ဒါတွေကို မသိသေးတာကြောင့်ပါ။
I used to puzzle about a lot of things as a boy.	ကလေးတစ်ယောက်အနေနဲ့ အရာများစွာအကြောင်း အကြံအိုက်ဖူးတယ်။
For example, what would it feel like to be a dog?	ဥပမာ၊ ခွေးတစ်ကောင်သာဆိုရင် ငါ ဘယ်လိုများ ခံစားရမလဲ။
Do fish feel pain? How about insects?	ငါးတွေက နာကျင်တတ်လား။ အင်းဆက်တွေ ကျတော့ရော။
Was the Big Bang just an accident?	မဟာ ပေါက်ကွဲမှုက မတော်တဆ ဖြစ်မှု တစ်ခုလား။
And is there a God?	ဘုရားသခင်ဆိုတာ ရှိလား။
And if so, how are we so sure that it's a He and not a She?	ရှိတယ်ဆိုရင် ဘာလို့ အဲဒါ သေချာတာလဲ။ သူက အထီးလား၊ အမလား။
Why do so may innocent people and animals suffer terrible things?	ဘာဖြစ်လို့ အပြစ်မဲ့တဲ့ လူတွေနဲ့ သတ္တဝါ အများအပြားဟာ ဆိုးဆိုးဝါးဝါးတွေ ခံစားရတာလဲ။
Is there really a plan for my life?	ငါ့ဘဝအတွက် အစီအစဉ်တစ်ခု တကယ်ရှိလား။
Is the future yet to be written, or is it already written and we just can't see it?	အနာဂတ်ကို ရေးဖို့ လိုသေးသလား၊ (သို့) ရေးပြီးနှင့်ပြီ ဖြစ်ပေမဲ့ ဒါကို ကျုပ်တို့ မတွေ့နိုင်တာလား။
But then, do I have free will?	ဒါနဲ့ ကိုယ်ဟာ လွတ်လပ်စွာ လုပ်ပိုင်ခွင့် ရှိလား။
Who am I, anyway? Am I just a biological machine?	ဘာဖြစ်ဖြစ် ငါ ဘယ်သူလဲ။ ငါဟာ ဇီဝ စက်ရုပ်တစ်ခု သက်သက်လား။
But then, why am I conscious?	ဒါနဲ့ ငါ့ဆီမှာ အသိစိတ်ရှိတာ ဘာ့အတွက်လဲ။
What is consciousness? Will robots become conscious one day?	အသိစိတ်ဆိုတာက ဘာလဲ။ တစ်နေ့မှာ စက်ရုပ်တွေ အသိရှိလာကြမလား။
I mean, I kind of assumed that some day I would be told the answers to all these questions.	ဆိုလိုတာက တစ်နေ့နေ့မှာ ဒီမေးခွန်းအားလုံးအတွက် အဖြေတွေကို ကျွန်တော့်အား ပြောပြကြလိမ့်မယ်လို့ ယူဆမိတာမျိုးပါ။
I mean, someone must know, right?	ဆိုလိုတာက တစ်ယောက်ယောက် သိရမယ်မို့လား။
Huh. Guess what? No one knows.	ဘာလဲ မှန်းကြည့်ပါ။ ဘယ်သူမှ မသိပါဘူး။
Most of those questions puzzle me more now than ever.	ဒီမေးခွန်းအများစုက အခု ခါတိုင်းထက်ပိုပြီး အကြံအိုက်စေပါတယ်။
But diving into them is exciting because it takes you to the edge of knowledge, and you never know what you'll find there.	ဒါပေမဲ့ ဒါတွေထဲကို ငုပ်လျှိုးခြင်းက စိတ်လှုပ်ရှားစရာပါ။ ဘာလို့လဲဆိုတော့ ဒါက သင့်ကို အသိသုတ အစွန်းကို ခေါ်ဆောင်သွားပြီး အဲဒီမှာ ဘာတွေ့မယ်ဆိုတာကို ကိုယ်ဟာ လုံးဝ မသိနိုင်လို့ပါ။
So, two questions to kick off this series, questions that no one on Earth knows the answer to ...	ဒီတော့ ဒီအစီအစဉ်ကို စဖို့ မေးခွန်းနှစ်ခု ရှိပါတယ်၊ ကမ္ဘာပေါ်က ဘယ်သူမှ အဖြေ မသိတဲ့ မေးခွန်းတွေပါ။
Text: How many universes are there?	စာသား။ စကြာဝဠာတွေ ဘယ်လောက်များရှိလဲ။
Why can't we see evidence of alien life?	ဂြိုဟ်သားတွေရဲ့ အထောက်အထားကို ကျုပ်တို့ ဘာကြောင့် မမြင်ရတာလဲ။
Emily Dickinson said over a century ago that "There is no frigate like a book to take us lands away ..." And it's true.	လွန်ခဲ့တဲ့ တစ်ရာစုကျော်က Emily Dickinson က "ကျွန်မတို့ကို နယ်မြေတွေဆီ ခေါ်သွားဖို့ စာအုပ်လို စစ်သင်္ဘောမရှိဘူး"တဲ့။ ဒါ မှန်ပါတယ်။
When we pick up a book, turn on the TV, or watch a movie, we're carried away down the currents of story into a world of imagination.	စာအုပ်တစ်အုပ် ကောက်ကိုင်တာ၊ တီဗီဖွင့်တာ (သို့) ရုပ်ရှင်ကြည့်တဲ့အခါ ကျွန်ုပ်တို့ဟာ ဇာတ်လမ်းရဲ့ဖြစ်ရပ်တွေကနေ စိတ်ကူးယဉ် ကမ္ဘာထဲကို ခေါ်ဆောင်ခံရတယ်။
And when we land, on a shore that is both new and familiar, something strange happens.	သစ်ဆန်းပြီး၊ ရင်းနှီးပြီးသားပါဖြစ်တဲ့ ကမ်းခြေတစ်ခုကို ဆင်းသက်တဲ့အခါ ထူးဆန်းတာတစ်ခု ဖြစ်ပေါ်ပါတယ်။
Stepping onto the shore, we're changed.	ကမ်းခြေပေါ် နင်းလိုက်စဉ်မှာ ပြောင်းလဲခံရတယ်။
We don't retrace the footsteps of the authors or characters we followed here.	စာရေးဆရာတွေ (သို့) ကျွန်ုပ်တို့ ဒီထိ လိုက်ခဲ့တဲ့ ဇာတ်ကောင်တွေရဲ့ ခြေရာတွေကို မကောက်ပါဘူး။
No; instead, we walk a mile in their shoes.	နိုး၊ ဒီအစား သူတို့ဖိနပ်တွေစီးကာ တစ်မိုင် လမ်းလျှောက်ပါတယ်။

End of preview. Expand in Dataset Viewer.

English Version

Dataset Description

Dataset Summary

This dataset is a parallel corpus of English and Burmese text, derived from a collection of TED Talks. The English text was originally transcribed from various TED Talks, and subsequently translated into Burmese by TED translators. This dataset represents a revised version of the original translations, with further edits and improvements made to enhance the quality and accuracy of the Burmese text.

Supported Tasks

This dataset can be used for training and evaluating machine translation models, particularly for English-to-Burmese and Burmese-to-English translation. It can also be used for other NLP tasks such as:

Text classification: Classifying the topic or sentiment of the text.
Language modeling: Training language models for English or Burmese.
Cross-lingual information retrieval: Retrieving information from one language based on a query in another language.

Languages

The dataset contains text in:

English (en)
Burmese (my)

Dataset Structure

Data Instances

Each data instance consists of a pair of sentences, one in English and one in Burmese. The sentences are aligned, meaning that the Burmese sentence is a translation of the English sentence.

Example:

{
  "English": "Loneliness causes high blood pressure, high cholesterol.",
  "Burmese": "အထီးကျန်ဆန်မှုဟာ သွေးကိုတိုးစေတယ် သွေးတွင်းအဆီဓာတ်တွေများစေပါတယ်။"
}

Data Fields

Each data instance contains the following fields:

English: The English text.
Burmese: The Burmese translation.

Data Splits

The dataset is not currently split into train, validation, and test sets. You can split according to your need and use. It is recommended that users create their own splits based on their specific needs and use cases, For example, 80% for training, 10% for validation, and 10% for testing.

Dataset Creation

Curation Rationale

This dataset was created to provide a high-quality parallel corpus for English-Burmese machine translation research and development. The revisions made to the original TED translations aim to further improve the quality and accuracy of the Burmese text, making it a valuable resource for training and evaluating machine translation models.

Source Data

Initial Data Collection and Normalization

The original English text was sourced from various TED Talks, which are publicly available on the TED website (https://www.ted.com) and the TED YouTube Channel (https://www.youtube.com/TEDtalksDirector. The Burmese translations were initially created by TED Translators.

Who are the source language producers?

The source language producers are the speakers who delivered the TED Talks. The Burmese translations were produced by volunteer translators from the TED Translator program.

Annotations

Annotation process

The original Burmese translations were revised and edited to improve fluency, accuracy, and consistency.

Who are the annotators?

The annotator of this revised version is Kalix Louis.

Considerations for Using the Data

Social Impact of Dataset

This dataset has the potential to contribute to the development of machine translation technology for Burmese, a language that is currently under-resourced in this area. Improved machine translation can facilitate communication and understanding between speakers of English and Burmese, and promote access to information and knowledge for Burmese speakers.

Discussion of Biases

While efforts have been made to ensure the quality and accuracy of the translations, it is possible that some biases may be present in the dataset. These biases may reflect the perspectives and viewpoints of the original speakers, the TED Translators, or the editors of this revised version. Users should be aware of this possibility and consider the potential impact of these biases when using the dataset.

Additional Information

Dataset Curators

This dataset was curated and revised by Kalix Louis.

Licensing Information

This dataset is released under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license. This license allows for the use, sharing, and adaptation of the dataset for non-commercial purposes, provided that proper attribution is given to the original creators (TED Talks, TED Translators) and the curators of this revised version. Any derivative works must be distributed under the same license.

Credit must be given to:

TED Talks: As the source of the original English transcripts.
TED Translators: For their initial translation work.
Kalix Louis: For the revision and curation of this dataset.

Citation Information

If you use this dataset in your research, please cite it as follows:

@misc{kalix_louis_en_my_ted_talks_revised,
  author = {Kalix Louis},
  title = {English-Burmese TED Talks Parallel Corpus (Revised)},
  year = {2025},
  publisher = {Hugging Face},
  journal = {Hugging Face Datasets},
  howpublished = {\url{https://huggingface.co/datasets/English-Burmese-TED-Talks-Translation}}
}

Please also acknowledge TED Talks and the TED Translators for their original work.

@misc{ted_talks,
  author = {TED},
  title = {TED: Ideas Worth Spreading},
  year = {2025},
  howpublished = {\url{https://www.ted.com}}
}

မြန်မာဘာသာပြန်

English-Burmese TED Talks Parallel Corpus (Revised) Dataset အတွက် Dataset Card

မာတိကာ

Dataset အကြောင်း ဖော်ပြချက် - Dataset အကျဉ်းချုပ် - အသုံးပြုနိုင်သော လုပ်ငန်းများ - ဘာသာစကားများ
Dataset တည်ဆောက်ပုံ - Data Instances - Data Fields - Data Splits
Dataset ဖန်တီးခြင်း - ရည်ရွယ်ချက် - ရင်းမြစ်ဒေတာ - မှတ်ချက်များ
အသုံးပြုရာတွင် ထည့်သွင်းစဉ်းစားရမည့် အချက်များ - Dataset ၏ လူမှုရေးဆိုင်ရာ သက်ရောက်မှု - ဘက်လိုက်မှုများ ဆွေးနွေးခြင်း
နောက်ထပ် အချက်အလက်များ - Dataset ထိန်းသိမ်းသူ - လိုင်စင် အချက်အလက် - ကိုးကားခြင်း

Dataset အကြောင်း ဖော်ပြချက်

Dataset အကျဉ်းချုပ်

ဒီ dataset ဟာ TED Talks တွေကနေ ထုတ်နှုတ်ထားတဲ့ English နဲ့ မြန်မာစာ စာကြောင်းအတွဲတွေ ဖြစ်ပါတယ်။ မူရင်း English စာသားတွေကို TED Talks တွေကနေ ကူးယူထားပြီး၊ TED ဘာသာပြန်သူတွေက မြန်မာဘာသာသို့ ပြန်ဆိုထားပါတယ်။ ဒီ dataset ဟာ မူရင်းဘာသာပြန်တွေကို ပြန်လည်တည်းဖြတ်ထားတဲ့ version ဖြစ်ပြီး၊ မြန်မာစာသားတွေရဲ့ အရည်အသွေးနဲ့ တိကျမှုကို မြှင့်တင်ဖို့ ပြင်ဆင်မှုတွေ ပြုလုပ်ထားပါတယ်။

အသုံးပြုနိုင်သော လုပ်ငန်းများ

ဒီ dataset ကို အထူးသဖြင့် English-to-Burmese နဲ့ Burmese-to-English ဘာသာပြန်ခြင်းအတွက် machine translation model တွေကို လေ့ကျင့်ဖို့နဲ့ အကဲဖြတ်ဖို့ အသုံးပြုနိုင်ပါတယ်။ တခြား NLP လုပ်ငန်းတွေဖြစ်တဲ့:

စာသားအမျိုးအစားခွဲခြားခြင်း: စာသားရဲ့ အကြောင်းအရာ ဒါမှမဟုတ် ခံစားချက်ကို ခွဲခြားခြင်း။
ဘာသာစကားမော်ဒယ်လ် တည်ဆောက်ခြင်း: English သို့မဟုတ် မြန်မာဘာသာအတွက် language model တွေ လေ့ကျင့်ပေးခြင်း။
ဘာသာစကားဖြတ်ကျော် သတင်းအချက်အလက် ရှာဖွေခြင်း: ဘာသာစကားတစ်ခုနဲ့ မေးမြန်းပြီး အခြားဘာသာစကားတစ်ခုကနေ အချက်အလက်တွေ ရှာဖွေခြင်း။

တို့အတွက်လည်း အသုံးပြုနိုင်ပါတယ်။

ဘာသာစကားများ

ဒီ dataset မှာ အောက်ပါ ဘာသာစကား စာသားတွေ ပါဝင်ပါတယ်။

English (en)
မြန်မာ (my)

Dataset တည်ဆောက်ပုံ

Data Instances

Data instance တစ်ခုစီမှာ English စာကြောင်းတစ်ခုနဲ့ မြန်မာစာကြောင်းတစ်ခု စီပါဝင်ပါတယ်။ စာကြောင်းတွေကို တွဲပေးထားပြီး၊ မြန်မာစာကြောင်းဟာ English စာကြောင်းရဲ့ ဘာသာပြန် ဖြစ်ပါတယ်။

ဥပမာ:

{
 "English": "Loneliness causes high blood pressure, high cholesterol.",
 "Burmese": "အထီးကျန်ဆန်မှုဟာ သွေးကိုတိုးစေတယ် သွေးတွင်းအဆီဓာတ်တွေများစေပါတယ်။"
}

Data Fields

Data instance တစ်ခုစီမှာ အောက်ပါ field တွေ ပါဝင်ပါတယ်။

English: English စာသား။
Burmese: မြန်မာဘာသာပြန်။

Data Splits

ဒီ dataset ကို လက်ရှိမှာ train, validation, test ဆိုပြီး ခွဲခြားထားခြင်း မရှိပါဘူး။ သုံးစွဲသူတွေအနေနဲ့ သူတို့ရဲ့ လိုအပ်ချက်နဲ့ အသုံးပြုပုံပေါ်မူတည်ပြီး ခွဲခြားနိုင်ပါတယ်။ ဥပမာ - ၈၀% ကို training အတွက်၊ ၁၀% ကို validation အတွက် နဲ့ ၁၀% ကို testing အတွက် ခွဲခြားနိုင်ပါတယ်။

Dataset ဖန်တီးခြင်း

ရည်ရွယ်ချက်

ဒီ dataset ကို English-Burmese machine translation သုတေသနနဲ့ ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အရည်အသွေးမြင့် parallel corpus တစ်ခု ပံ့ပိုးပေးဖို့ ဖန်တီးထားပါတယ်။ မူရင်း TED ဘာသာပြန်တွေကို ပြန်လည်တည်းဖြတ်ခြင်းဟာ မြန်မာစာသားရဲ့ အရည်အသွေးနဲ့ တိကျမှုကို ပိုမိုတိုးတက်စေဖို့ ရည်ရွယ်ပြီး၊ machine translation model တွေကို လေ့ကျင့်ဖို့နဲ့ အကဲဖြတ်ဖို့အတွက် အဖိုးတန် အရင်းအမြစ်တစ်ခု ဖြစ်စေပါတယ်။

ရင်းမြစ်ဒေတာ

မူလအချက်အလက် စုဆောင်းခြင်းနှင့် ပုံမှန်ပြုလုပ်ခြင်း

မူရင်း English စာသားတွေကို TED website (https://www.ted.com) နဲ့ TED YouTube Channel (https://www.youtube.com/TEDtalksDirector) မှာ အများပြည်သူ ကြည့်ရှုနိုင်တဲ့ TED Talks တွေကနေ ရယူထားပါတယ်။ မြန်မာဘာသာပြန်တွေကိုတော့ မူလက TED Translator တွေက ဖန်တီးထားပါတယ်။

ဘယ်သူတွေက ရင်းမြစ်ဘာသာစကား ထုတ်လုပ်သူတွေလဲ?

ရင်းမြစ်ဘာသာစကား ထုတ်လုပ်သူတွေကတော့ TED Talks တွေမှာ ဟောပြောခဲ့တဲ့ ဟောပြောသူတွေ ဖြစ်ပါတယ်။ မြန်မာဘာသာပြန်တွေကိုတော့ TED Translator အစီအစဉ်က စေတနာ့ဝန်ထမ်း ဘာသာပြန်သူတွေက ထုတ်လုပ်ထားပါတယ်။

မှတ်ချက်များ - Annotations

Annotation လုပ်ငန်းစဉ်

မူရင်း မြန်မာဘာသာပြန်တွေကို အဆင်ပြေချောမွေ့မှု၊ တိကျမှုနဲ့ ကိုက်ညီမှု ရှိစေဖို့ ပြန်လည်တည်းဖြတ်ထားပါတယ်။

ဘယ်သူတွေက annotators တွေလဲ?

ဒီ revised version ရဲ့ မှတ်ချက်ပြုသူကတော့ Kalix Louis ဖြစ်ပါတယ်။

အသုံးပြုရာတွင် ထည့်သွင်းစဉ်းစားရမည့် အချက်များ

Dataset ၏ လူမှုရေးဆိုင်ရာ သက်ရောက်မှု

ဒီ dataset ဟာ လက်ရှိမှာ အရင်းအမြစ်နည်းပါးနေတဲ့ မြန်မာဘာသာအတွက် machine translation နည်းပညာ ဖွံ့ဖြိုးတိုးတက်ရေးမှာ အထောက်အကူပြုနိုင်ပါတယ်။ တိုးတက်ကောင်းမွန်တဲ့ machine translation ဟာ English နဲ့ မြန်မာစကားပြောသူတွေကြား ဆက်သွယ်ရေးနဲ့ နားလည်မှုကို လွယ်ကူချောမွေ့စေပြီး မြန်မာစကားပြောသူတွေအတွက် သတင်းအချက်အလက်နဲ့ အသိပညာတွေကို ပိုမိုရယူနိုင်အောင် မြှင့်တင်ပေးနိုင်ပါတယ်။

ဘက်လိုက်မှုများ ဆွေးနွေးခြင်း

ဘာသာပြန်တွေရဲ့ အရည်အသွေးနဲ့ တိကျမှုကို သေချာစေဖို့ ကြိုးပမ်းထားပေမယ့်၊ dataset ထဲမှာ ဘက်လိုက်မှုအချို့ ရှိနေနိုင်ပါတယ်။ ဒီဘက်လိုက်မှုတွေဟာ မူရင်းဟောပြောသူတွေ၊ TED Translator တွေ ဒါမှမဟုတ် ဒီ revised version ရဲ့ တည်းဖြတ်သူတွေရဲ့ ရှုထောင့်နဲ့ အမြင်တွေကို ထင်ဟပ်နေနိုင်ပါတယ်။ အသုံးပြုသူတွေအနေနဲ့ ဒီဖြစ်နိုင်ခြေကို သတိပြုမိပြီး dataset ကို အသုံးပြုတဲ့အခါ ဒီဘက်လိုက်မှုတွေရဲ့ ဖြစ်နိုင်ချေရှိတဲ့ သက်ရောက်မှုကို ထည့်သွင်းစဉ်းစားသင့်ပါတယ်။

နောက်ထပ် အချက်အလက်များ

Dataset ထိန်းသိမ်းသူ

ဒီ dataset ကို Kalix Louis က ထိန်းသိမ်းပြီး revised လုပ်ထားပါတယ်။

လိုင်စင် အချက်အလက်

ဒီ dataset ကို Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) လိုင်စင်အောက်မှာ ဖြန့်ချိထားပါတယ်။ ဒီလိုင်စင်ဟာ မူလဖန်တီးသူတွေ (TED Talks, TED Translators) နဲ့ ဒီ revised version ရဲ့ ထိန်းသိမ်းသူတွေကို သင့်လျော်တဲ့ အသိအမှတ်ပြုမှု ပေးထားသရွေ့၊ စီးပွားဖြစ်မဟုတ်တဲ့ ရည်ရွယ်ချက်တွေအတွက် dataset ကို အသုံးပြုခြင်း၊ မျှဝေခြင်းနဲ့ ပြုပြင်ခြင်းတို့ကို ခွင့်ပြုထားပါတယ်။ ဆင့်ပွားလက်ရာမှန်သမျှကို တူညီတဲ့လိုင်စင်အောက်မှာပဲ ဖြန့်ချိရပါမယ်။

အောက်ပါတို့ကို credit ပေးရပါမယ်:

TED Talks: မူရင်း English transcripts တွေရဲ့ ရင်းမြစ်အနေနဲ့။
TED Translators: သူတို့ရဲ့ မူလဘာသာပြန်လုပ်ငန်းအတွက်။
Kalix Louis: ဒီ dataset ရဲ့ revision နဲ့ curation အတွက်။

ကိုးကားခြင်း

ဒီ dataset ကို သင့်ရဲ့ သုတေသနမှာ အသုံးပြုမယ်ဆိုရင် အောက်ပါအတိုင်း ကိုးကားပါ။

@misc{kalix_louis_en_my_ted_talks_revised,
  author = {Kalix Louis},
  title = {English-Burmese TED Talks Parallel Corpus (Revised)},
  year = {2025},
  publisher = {Hugging Face},
  journal = {Hugging Face Datasets},
  howpublished = {\url{https://huggingface.co/datasets/English-Burmese-TED-Talks-Translation}}
}

မူရင်းလက်ရာအတွက် TED Talks နဲ့ TED Translators တွေကိုလည်း အသိအမှတ်ပြုပါ။

@misc{ted_talks,
  author = {TED},
  title = {TED: Ideas Worth Spreading},
  year = {2025},
  howpublished = {\url{https://www.ted.com}}
}

Downloads last month: 18

Size of downloaded dataset files:

590 kB

Size of the auto-converted Parquet files:

220 kB

Number of rows:

1,275