Adnoddau
Cyfeirlyfr o gorpora, setiau profion, modelau, offer a phapurau i bawb sy'n gweithio ar dechnoleg Gymraeg a modelau iaith. Anfonwch awgrymiadau at aisteddfod@bangor.ai.
Catalog newydd: 104 eitem gan Techiaith a Dewi Bryn Jones. Mae'r rhestr lawn yn cynnwys 47 model, 43 set ddata, saith arddangosiad a saith casgliad ar Hugging Face ar gyfer llais, cyfieithu, modelau iaith a gwerthuso. Agor y catalog →
Corpora testun
| Adnodd | Beth ydyw | Trwydded |
|---|---|---|
| CorCenCC | Corpws Cenedlaethol Cymraeg Cyfoes — dros 11 miliwn o eiriau o Gymraeg lafar, ysgrifenedig ac electronig | CC BY-NC-SA |
| HPLT 2.0 (cym_Latn) | Data gwe o'r Internet Archive, wedi'u casglu a'u glanhau | CC0 |
| FineWeb-2 (cym_Latn) | 96 o gipluniau Common Crawl mewn dros 1,000 o ieithoedd | ODC-By |
| FinePDFs (cym_Latn) | Testunau hir o ffeiliau PDF ar y we, gan gynnwys llyfrau ac adroddiadau | ODC-By |
| Papurau Newydd Cymru Ar-lein (LlGC) | 1.1 miliwn o dudalennau a 15 miliwn o erthyglau o'r cyfnod 1804–1919 | Parth cyhoeddus (cyn 1919) |
| Banc Trawsgrifiadau Bangor | Tua 59,000 o gofnodion llafar wedi'u trawsgrifio | gweler y cerdyn |
| Cardiff TM en–cy | 1.45 miliwn o barau cyfieithu | CC-BY-4.0 |
| Llyw Cymru en–cy | 980,000 o barau dwyieithog gan Lywodraeth Cymru | OGL |
| Setiau Jupiter-N (Locai) | nemotron-chat-welsh, Cofnod y Cynulliad, deddfwriaeth en–cy, wikimedia_welsh a mwy | amrywiol, agored |
Setiau profion a gwerthusiadau
| Set | Beth mae'n ei fesur | Ffynhonnell |
|---|---|---|
| arc_welsh, piqa_welsh, truthfulqa_welsh | Gwyddoniaeth, synnwyr cyffredin, geirwiredd (BritEval) | UCL / BritLLM |
| llm-evals-cy | Pecyn o ddeg prawf: geirfa, gramadeg, treigladau, cofrestrau, cyfieithu… | techiaith, Bangor |
| mgsm_cy | Problemau mathemateg ar ffurf cwestiynau geiriol (258 rhes) | techiaith · CC-BY-SA |
| COPA-cy | Rhesymu am achos ac effaith (1,500 rhes) | techiaith · CC-BY |
| welsh-cefr | Dosbarthu lefel CEFR deunydd dysgu (2,658 rhes + dau ddosbarthydd) | Caerdydd |
| Protocol profi cynghanedd yr AIsteddfod | Cerdd dafod dan reolau caeth — saith sillaf, dilys, newydd ac addas | AIsteddfod |
Modelau sydd wedi'u hyfforddi ar ddata Cymraeg
- Jupiter-N-120B — model 120B Locai Labs/UCL sydd wedi cael ôl-hyfforddiant Cymraeg ac y gellir ei lawrlwytho. Ein tudalen →
- Caernarfon 3B — model UCL a hyfforddwyd yn gyfan gwbl gan ddefnyddio seilwaith cyfrifiadurol ym Mhrydain. Ein tudalen →
- Modelau Techiaith — modelau iaith, adnabod lleferydd, testun-i-leferydd a chyfieithu peirianyddol. Ceir pob model a set ddata gan Techiaith a Dewi Bryn Jones yn ein catalog.
- BangorAI — Mistral-7B-Cymraeg, phi2-mwydryn-1 (arbrofol). Ein tudalen →
Offer iaith
- BangorAI/cynghanedd — storfa prosiect y gwiriwr cynghanedd sy'n sail i ymchwil Bangor AI a phrotocol cynghanedd yr AIsteddfod.
- Y Trawsgrifiwr (Canolfan Bedwyr) — gwasanaeth sy'n trosi Cymraeg llafar yn destun; Macsen — cynorthwyydd digidol Cymraeg; Cysill/Cysgeir — offer gwirio iaith a geiriaduron; rhestr technoleg Gymraeg Helo Blod.
- Porth lleferydd Techiaith — lleisiau synthetig, testun-i-leferydd, adnabod lleferydd ac adnoddau i ddatblygwyr. Gallwch hefyd roi cynnig ar offer y porwr ar ein tudalen Llais.
- Geiriadur Ynganu Bangor — geiriadur ynganu agored sy'n un o seiliau ein peiriant rheolau.
Testunau'r traddodiad (parth cyhoeddus)
- dafyddapgwilym.net — golygiad beirniadol o 170 cerdd Dafydd ap Gwilym; gutorglyn.net — Guto'r Glyn yn ddwyieithog; Wicidestun (cy.wikisource) — cywyddau, englynion ac awdlau'r canrifoedd.
Papurau a dogfennau allweddol
- Jupiter-N Technical Report (Drayson, Ebrill 2026) — dull o ôl-hyfforddi modelau dan reolaeth leol.
- Adroddiad y Coleg Cymraeg / PCYDDS (Mehefin 2026) — AI, y Gymraeg ac Addysg Uwch.
- Datganiad polisi AI Comisiynydd y Gymraeg (Gorffennaf 2025) — y pedair egwyddor reoleiddiol.
- Crynodeb Llywodraeth Cymru o dechnoleg iaith ac AI 2025–26 — Teams, Copilot a'r grantiau.
- UK-LLM / BritLLM — y fenter i ddatblygu AI dan reolaeth Brydeinig sy'n mesur y Gymraeg.
Diweddarwyd ddiwethaf ar 5 Awst 2026. Roedd pob dolen yn gweithio ar y dyddiad hwnnw.