http://hdl.handle.net/20.500.12537/4 Clarin IS Collection 2026-10-31T06:52:25Z http://hdl.handle.net/20.500.12537/410 ÍTM SignWiki Ingimundarson, Finnur Ágúst; Þorvaldsdóttir, Guðný Björk ÍTM SignWiki er gagnasafn fyrir greiningu einstakra tákna (e. isolated sign language recognition) í íslensku táknmáli (ÍTM). Safnið byggir á gögnum úr íslenska hluta SignWiki og var unnið í samstarfi við Samskiptamiðstöð heyrnarlausra og heyrnarskertra. Gögnin geyma 1.845 myndbönd á MP4-sniði, MediaPipe Holistic-líkamshnit (e. pose estimates) á pkl-sniði, og þrenns konar líkamshnit á pose-sniði: MediaPipe, AlphaPose og SDPose. Frekari upplýsingar um gögnin má finna í LESTUMIG-skránum. ---- ÍTM SignWiki is an isolated sign language recognition (ISLR) dataset for Icelandic Sign Language (ÍTM), that was built from data from the Icelandic part of SignWiki in collaboration with The Communication Centre for the Deaf and Hard of Hearing in Iceland (SHH). The dataset contains 1,845 videos in MP4 format, MediaPipe Holistic pose estimates in pkl format, and three different pose estimates in pose format: MediaPipe, AlphaPose and SDPose. Further information about the dataset is in the README-file. 2026-06-01T00:00:00Z http://hdl.handle.net/20.500.12537/409 GreynirCorrect 4.2.0 (2026-09-30) Þorsteinsson, Vilhjálmur; Óladóttir, Hulda; Arnardóttir, Þórunn; Þórðarson, Sveinbjörn; Ragnarsson, Pétur Orri; Ingólfsdóttir, Svanhvít Lilja GreynirCorrect is a Python 3 package and a command line tool for checking and correcting various types of spelling and grammar errors in Icelandic text. GreynirCorrect relies on the Tokenizer package, by the same authors, to tokenize text (see http://hdl.handle.net/20.500.12537/262). More information can be found at https://github.com/mideind/GreynirCorrect, and detailed documentation at https://yfirlestur.is/doc/. GreynirCorrect er Python 3 pakki og skipanalínutól sem bendir á og leiðréttir ýmsar tegundir stafsetningar- og málvillna í íslenskum texta. GreynirCorrect reiðir sig á Tokenizer-pakkann, eftir sömu höfunda, til að tilreiða textann (see http://hdl.handle.net/20.500.12537/262). Frekari upplýsingar má finna á https://github.com/mideind/GreynirCorrect, og ítarlega skjölun (á ensku) á https://yfirlestur.is/doc/. 2026-09-30T00:00:00Z http://hdl.handle.net/20.500.12537/408 BinPackage 1.4.0 (2026-09-30) Þorsteinsson, Vilhjálmur; Óladóttir, Hulda; Þórðarson, Sveinbjörn BinPackage is a Python Package that embeds the vocabulary of the DMII (https://bin.arnastofnun.is) and offers various lookups and queries of the data. The database, maintained by The Árni Magnússon Institute for Icelandic Studies, contains over 6.5 million entries, over 3.1 million unique word forms, and about 300,000 distinct lemmas. The database has been encapsulated in an easy-to-install Python package, and compressed from 400+ megabyte CSV file to an ~80 megabyte indexed binary structure. More information at: https://github.com/mideind/BinPackage BinPackage er Python-pakki utan um BÍN, Beygingarlýsingu íslensks nútímamáls (https://bin.arnastofnun.is), sem inniheldur yfir 6,5 milljónir færslna, 3,1 milljón einstakra orðmynda og um 300.000 stakar lemmur. Stofnun Árna Magnússonar í íslenskum fræðum heldur utan um gagnagrunninn. Gagnagrunninum, um 400 megabæta CSV-skrá, hefur verið pakkað í um 80 megabæta tvíundarbyggingu með vísum. Frekari upplýsingar á: https://github.com/mideind/BinPackage 2026-09-20T00:00:00Z http://hdl.handle.net/20.500.12537/407 Icegrams v2.0.0 (2026-09-30) Þorsteinsson, Vilhjálmur; Óladóttir, Hulda; Ingólfsdóttir, Svanhvít Lilja Icegrams is a Python 3 package that encapsulates a large trigram library for Icelandic. 78 million unique trigrams and their frequency counts are heavily compressed using radix tries and quasi-succinct indices employing Elias-Fano encoding. This enables the ~213 megabyte compressed trigram file to be mapped directly into memory, with no ex ante decompression, for fast queries (typically ~10 microseconds per lookup). More information at: https://github.com/mideind/Icegrams Icegrams er Python 3 pakki sem inniheldur stórt safn orðaþrennda (trigrams) fyrir íslensku. Í safninu eru um 14 milljónir ólíkra þrennda ásamt tíðniupplýsingum. Öllu safninu hefur verið þjappað niður í u.þ.b. 43 megabæti sem varpað er beint í minni þannig að uppfletting er mjög hraðvirk (~10 míkrósekúndur fyrir hverja uppflettingu). Frekari upplýsingar á: https://github.com/mideind/Icegrams 2026-09-30T00:00:00Z http://hdl.handle.net/20.500.12537/406 GreynirEngine 3.9.0 (2026-09-30) Þorsteinsson, Vilhjálmur; Óladóttir, Hulda; Þórðarson, Sveinbjörn; Arnardóttir, Þórunn; Eyjólfsson, Logi GreynirPackage is a Python 3 package for working with Icelandic natural language text. Greynir can parse text into sentence trees, find lemmas, inflect noun phrases, assign part-of-speech tags and much more. Greynir's sentence trees can inter alia be used to extract information from text, for instance about people, titles, entities, facts, actions and opinions. Greynir uses the Tokenizer package, by the same authors, to tokenize text (see http://hdl.handle.net/20.500.12537/262). More information at https://github.com/icelandic-lt/GreynirEngine and detailed documentation at https://greynir.is/doc/. GreynirPackage er Python 3 pakki sem vinnur með íslenskan texta. Greynir þáttar texta í setningar, lemmar og markar texta, beygir nafnliði og margt fleira. Hægt er að nýta þáttunartrén sem tólið býr til í þeim tilgangi að draga upplýsingar út úr texta, til dæmis um manneskjur, starfstitla, sérnafnaeiningar, staðreyndir, atburði og skoðanir. Greynir notar Tokenizer-pakkann, eftir sömu höfunda, til að tilreiða texta (sjá http://hdl.handle.net/20.500.12537/262). Frekari upplýsingar má finna á https://github.com/icelandic-lt/GreynirEngine og ítarlega skjölun (á ensku) á https://greynir.is/doc/. 2026-09-02T00:00:00Z http://hdl.handle.net/20.500.12537/405 BinPackage 1.3.2 (2026-06-26) (2026-09-30) Þorsteinsson, Vilhjálmur; Óladóttir, Hulda; Þórðarson, Sveinbjörn BinPackage is a Python Package that embeds the vocabulary of the DMII (https://bin.arnastofnun.is) and offers various lookups and queries of the data. The database, maintained by The Árni Magnússon Institute for Icelandic Studies, contains over 6.5 million entries, over 3.1 million unique word forms, and about 300,000 distinct lemmas. The database has been encapsulated in an easy-to-install Python package, and compressed from 400+ megabyte CSV file to an ~80 megabyte indexed binary structure. More information at: https://github.com/mideind/BinPackage BinPackage er Python-pakki utan um BÍN, Beygingarlýsingu íslensks nútímamáls (https://bin.arnastofnun.is), sem inniheldur yfir 6,5 milljónir færslna, 3,1 milljón einstakra orðmynda og um 300.000 stakar lemmur. Stofnun Árna Magnússonar í íslenskum fræðum heldur utan um gagnagrunninn. Gagnagrunninum, um 400 megabæta CSV-skrá, hefur verið pakkað í um 80 megabæta tvíundarbyggingu með vísum. Frekari upplýsingar á: https://github.com/mideind/BinPackage 2026-06-23T00:00:00Z http://hdl.handle.net/20.500.12537/404 Tokenizer for Icelandic text (3.6.4) (2026-09-30) Þorsteinsson, Vilhjálmur; Óladóttir, Hulda; Þórðarson, Sveinbjörn; Ragnarsson, Pétur Orri; Jónsson, Haukur Páll; Eyjólfsson, Logi Tokenizer is a compact pure-Python 3 executable program and module for tokenizing Icelandic text. It converts input text to streams of tokens, where each token is a separate word, punctuation sign, number/amount, date, e-mail, URL/URI, etc. It also segments the token stream into sentences, considering corner cases such as abbreviations and dates in the middle of sentences. More information at: https://github.com/mideind/Tokenizer Tokenizer er pakki fyrir Python 3, ásamt skipanalínutóli, sem sér um tilreiðslu íslensks texta. Pakkinn umbreytir inntakstexta í tókastraum. Hver tóki er stakt orð, greinarmerki, tala/upphæð, dags-/tímasetning, netfang, vefslóð o.s.frv. Tólið skiptir tókastraumnum einnig í setningar og tekur tillit til jaðartilvika eins og skammstafana og dagsetninga í miðjum setningum. Frekari upplýsingar á: https://github.com/mideind/Tokenizer 2024-07-10T00:00:00Z http://hdl.handle.net/20.500.12537/403 Spjallrómur: A Dual-Channel Corpus of Conversational Icelandic with Mixing Pipeline and ASR Baselines Guðnason, Jón; Rúnarsson, Páll; Borský, Michal; Magnúsdóttir, Eydís; Kjaran, Róbert ISL: Spjallrómur er málheild með 54 upptökum af íslensku samtalsmáli, sem safnað var í gegnum vafra með WebRTC tengingu þar sem hver mælandi var tekinn upp á aðskilinni rás hjá notanda. Þessi útgáfa inniheldur stereó upptökur sem eru leiðréttar fyrir tímaskekkju, samraðaðar uppritanir á orðastigi með merktum mælendum og endurgeranlegt hljóðblöndunarferli. Málheildin samanstendur af 47 fullunnum tveggja rása lotum sem telja samtals 18,6 klukkustundir, ásamt 6 hálfsamræðum á einni rás og lýsigögnum.; ENG: Spjallrómur is a corpus of 54 conversational Icelandic recordings collected over a browser-based WebRTC platform where each speaker was recorded on a separate client-side channel. This release includes drift-corrected stereo mixed audio, word-level forced-aligned transcripts with speaker labels, and a reproducible mixing pipeline. The corpus comprises 47 fully processed dual-channel sessions totalling 18.6 hours, alongside 6 single-channel half-conversations and metadata. 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.12537/402 IGC2026-MTeng-2 Steingrímsson, Steinþór; Hafsteinsson, Hinrik English: IGC2026-MTeng-2 is a machine translated bilingual Icelandic-English version of the IGC-2026. This part of the corpus contains segments from the subcorpora published under the Icelandic Gigaword Corpus license, in total 40,472,616 items. Each item is one Icelandic sentence or a run of 2-3 consecutive sentences together with its automatic English translation and a pointer back to where in the corpus it came from. Íslenska: IGC2026-MTeng-1 er vélþýdd íslensk-ensk útgáfa af Risamálheildinni, IGC-2026. Þessi hluti inniheldur texta úr undirmálheildum sem gefnar eru út undir sérsmíðuðu leyfi: Icelandic Gigaword Corpus license, samtals 40.472.616 textabúta. Hver textabútur er ein setning eða 2-3 samliggjandi setningar, ásamt enskri þýðingu og vísun á upprunalegan stað í málheildinni. 2026-09-14T00:00:00Z http://hdl.handle.net/20.500.12537/401 IGC2026-MTeng-1 Steingrímsson, Steinþór; Hafsteinsson, Hinrik English: IGC2026-MTeng-1 is a machine translated bilingual Icelandic-English version of the IGC-2026. This part of the corpus contains segments from the subcorpora published under the CC BY 4.0 license, in total 67,447,502 items. Each item is one Icelandic sentence or a run of 2-3 consecutive sentences together with its automatic English translation and a pointer back to where in the corpus it came from. Íslenska: IGC2026-MTeng-1 er vélþýdd íslensk-ensk útgáfa af Risamálheildinni, IGC-2026. Þessi hluti inniheldur texta úr undirmálheildum sem gefnar eru út undir CC BY 4.0 leyfi, samtals 67.447.502 textabúta. Hver textabútur er ein setning eða 2-3 samliggjandi setningar, ásamt enskri þýðingu og vísun á upprunalegan stað í málheildinni. 2026-09-14T00:00:00Z