The Data Vault

Live repository of extracted Balochi linguistic resources powering Phase 1 corpus building.

Total Tokens

79,594

0% of 50M target

Corpus Sentences

4,053

0% of 1M target

Lexicon Entries

11,995

12% of 100K target

Books Processed

1 / 97

1% of 97 in library

Recent Corpus Extractions

ھمایاں کہ گوات کاریت آھاں توپان بارت۔

Southern
7 tokens01-Balochi Articles Collection - 305577.txt

ڈاکٹرشاہ محمدمری ءِ روشنی کاسفر اُردوءَ دلچسپ انت آئی ءِ سفرنامہ آنی تہا تاریخ ءُ تہذیب کلچرل ءَ ھم بیان کنگ بنت۔

Southern
22 tokens01-Balochi Articles Collection - 305577.txt

نثاراحمدءِ گورا ایندگہ بنگپانی ھمرائی ءَ شہزانتی ھم است اِنت۔

Southern
10 tokens01-Balochi Articles Collection - 305577.txt

افورزم ءِ حساب ءَ ایشی ءِ تہ ءَ راجی شہزانتی تژن ءُ ھزاراں رنگ ءِ گشتن مان انت کہ وانوک ءَ جیڑگ ءَ پرما انت بازبرا ھمے گُشتن ھمنچو دراج کش بنت کسانیں آزمانک ءُ ردانکی لچہ ءِ لوٹاں پیلو کن انت چوشکہ: آگنوک بوت ایشی ءَ گلے چت کہ آئی ءِ زر من ءَ ددست کپ انت آسار بوت ءُ وار بوت بلے ایشی ءَ اوست نیاؤرت آزرّ ءَ پدءَ جوڑ بوت ءُ اے واجہ پدءَ لوڑ بوت ایشی ءِ تہ ءِ گشتن انسانی میان استمانی ءُ راجی سرنامگ آنی سر انت۔

Southern
93 tokens01-Balochi Articles Collection - 305577.txt

اولی رندءَ افورزم پیش چہ حضرت عیسیٰ ءَمصرءَ سنگانی سرا نبشتہ کنگ بوتگ، پدا اے تہرءَ دیمروئی کنان کرتگ ءُ نامدار بوتگ، بغراتءَ ھم مزنیں کساس ءَ گُشتن نبشتہ کرتگ، شانزدمی ءُ ہبدمی کرن ءَیورپ ءِ تہ اے تہر سک نامدار بوتگ، عربی زبان ءَ خلیل جبرانءَ ھم ایشی ءِ سوب مندیں تجربت کرتگ۔

Southern
54 tokens01-Balochi Articles Collection - 305577.txt

سستگیں دستونک ءِ تہا بلوچ راج ءِ ناسرپدی، برات کشی، کینگ ءُ حسد ھم پدربنت دومی نیمگ ءَ واجہ، غلام، جہل ءُ برزی تبک آنءَ پدر کنت ایشاں ابید سیدءِ جند ءِ تب ھم زانگ بیت چوکہ چہ وتءَ دلپروش باں گم نہ کناں اے کتاب ءِ تہ ءَسیدءَ چیدگ ءُ چہر ھم یک زیبائیں درروشم ءَ پدر کرتگ۔

Southern
59 tokens01-Balochi Articles Collection - 305577.txt

جہد بکن کہ مدام یک کشک ءُ راہ ئے ءَ برو بزاں یک نیمگے برو گڈا سوبین بئے۔

Southern
18 tokens01-Balochi Articles Collection - 305577.txt

کتاب ءِ اولی گُشتن چوش اِنت۔

Southern
6 tokens01-Balochi Articles Collection - 305577.txt
Recent Lexicon Entries
WordPOSUrduEnglish
لبزانکی
adjective
ادبیliterary
رنگ
noun
رنگ/طریقہcolor/way/style
ٹیکی
noun
تحفہ/نشانgift/mark
راہ
noun
راستہpath/way
پہوالیں
adjective
خانہ بدوشnomadic
روچ
noun
دن/سورجday/sun
زر
noun
سونا/دولتgold/wealth
لہتیں
adjective
کچھ/چندsome/a few
زِرد
noun
دلheart
ساڑ
noun
سمجھ/ادراکunderstanding/comprehension
جبر
noun
جبرcoercion
اِش
pronoun
اسے/یہit/them
Source Library — BalAcademy Books
1 processed 96 remaining

01-Articles on Balochi Poetry-Soorat Marri-147765.txt

261 KB
1720 sent32,128 tok5007 lex

01-Balochi Articles Collection - 305577.txt

2796 KB

02-Balochi FolkTales-01-132626.txt

239 KB

02-Balochi Research Articles Collection - 53550.txt

475 KB

03-Balochi FolkTales-02-271639.txt

477 KB

03-Research Thesis Works - 600509.txt

5365 KB

04-Balochi FolkTales-02-Baloch History-43977.txt

79 KB

04-Balochi Translations Collection - 146946.txt

1133 KB

05-Balochi FolkTales-03-719875.txt

1266 KB

06-Murwarid novel-110040.txt

195 KB

07-Novel-Haji Murad-Rakhshani Dialect-199382.txt

347 KB

08-ShortStories-8781.txt

15 KB

09-Short-Stories-Aziz Bugti-149625.txt

261 KB

10-Aesop's Fables by Ali Gohar - 41854.txt

359 KB

11-Qalat by Dr Beezan - 72326.txt

605 KB

1984_Dr Bezan Baloch.txt

646 KB

Alaamo_Dr Fazal khaliq final.txt

191 KB

Asman e Aa dast a-waseem waris Final.txt

150 KB

Baloch Rabadagi Rahband_Rahim Baksh Mehr-Habitan Umer.txt

265 KB

Baloch Zalbool_Sabya Baloch.txt

298 KB

Balochi Bathal Nazal- Press Copy.txt

297 KB

Balochi Daryab-Gous Sabir-Final Press-Z.txt

146 KB

Balochi dastonk -Shamsul-edited.txt

295 KB

BALOCHI DASTOONG-RAHIM MEHR.txt

760 KB

Balochi Dod o Rabidag-Aseer A Q Shahwani.txt

500 KB

Balochi Gidar e Rajank-Yasmeen Haleem-Press Copy-16March21.txt

226 KB

Balochi Kasmanuk-Habitan Umer.txt

438 KB

Balochi Kissa_Seminar Book.txt

658 KB

Balochi Kissa-Sania Amjad.txt

283 KB

Balochi Konin Shari-Sher mohammad.txt

403 KB

Balochi Konin Shari-Sher Muhammad Marri.txt

402 KB

Balochi Nem Ahdi Shayeri_Nasir Khan.txt

332 KB

Balochi Newspaper Corpus by NAWA-E-WATAN - 1022514.txt

8216 KB

BALOCHI NOKE NAZAM-AKBAR GHAMSHAD.txt

841 KB

Balochi zuban e bundaptr_Dr Ghafoor Shad.txt

419 KB

BALOCHI ZUBAN O ADAB SHAWANI.txt

893 KB

BANDEG E POSHAK-SHARAF SHAD.txt

204 KB

Batal o galwar Ghos Bux sabir.txt

309 KB

Bea kissa jana_Iqbal Zaheer.txt

95 KB

BOLAN THUNK_PANAH BALOCH FINAL.txt

375 KB

Bunchek(Roots) by Abdul Raziq Ababaki.txt

2097 KB

Chaach o band-Gos baksh sabir.txt

118 KB

Chekof e Darchtagen Azmank_Dr Beazan Baloch.txt

851 KB

Conference Book Final balochi.txt

195 KB

Dambeeg_Naeem peer jan final.txt

1308 KB

Danish e Sayd hashmi-Sangat Rafeeq.txt

74 KB

Danzan Giptage-Dr Fazal Khaliq.txt

229 KB

DarAmad-Sharaf Shad.txt

269 KB

Dardani Safar Mujahid-2.txt

464 KB

Drama-Naseer Shaheen.txt

62 KB

Ehram e Misr-Balach Hameed Noor.txt

286 KB

EINSTEN-RAHEEM MEHR.txt

260 KB

Fikkrr Kissa o Hosham-Ameen Zamin.txt

563 KB

Ganok e ro dapter Dr Ali Dost- Final.txt

315 KB

Gechan Azmank-Hakeem Baloch.txt

687 KB

Geshen Shairy_Atta Shad.txt

115 KB

Gonaap-M yousaf gichki.txt

158 KB

Haji Murad-Hafeez Hassan Abadi 2014.txt

347 KB

HAPT TALAR-DR FAZAL KHALIQ.txt

139 KB

Jungal Book-Abdullah Dashti.txt

234 KB

KALAT-DR.BEZAN FINAL 2016.txt

570 KB

Kalkasha_Ghulam nigori Final.txt

509 KB

Kas Gabbare pa Gari_Jamal.txt

92 KB

Laal o Yaqoot_Amanullah Ghazi.txt

170 KB

Labzank o shair- Sharaf Shad.txt

634 KB

Labzanki leka_Muslim Shafi.txt

334 KB

MALGUZAAR-GHOS BAKSH SABIR.txt

451 KB

MALGUZAR-GHOS BAKSH SABIR.txt

451 KB

Marag e kisa-Ali Gohar final.txt

281 KB

Mean Ustamani Azmank_Zakir Qadir.txt

1057 KB

MEED.MASTIR HASSAN ALI SOHEL.txt

481 KB

Mesken_Dr Beezan Baloch Final.txt

403 KB

MOSEEK-NOORAL BOOK-2015.txt

198 KB

Mujti Arwa e talb-Shakoor Zahid.txt

508 KB

Murg e Menna-Abdulah jan jamaldini.txt

105 KB

Murwarid_Dr Ali Dost-Press copy.txt

196 KB

NeelBoom_Irfan Aslam.txt

203 KB

OOPAAR-SANGAT RAFEEQ.txt

862 KB

Pish gushtagin marg e wahdapta-sharaf shad.txt

289 KB

Raaj Daptri Chedag_ULfat Naseem.txt

411 KB

Raam-Abdullah Shohaz_Final.txt

253 KB

Raazger Kolwai_G M meia_Final.txt

262 KB

Redagain Sankal_Ashraf Fazal.txt

2647 KB

Ruptagain Lal 3-Yousaf Gichki-Final.txt

241 KB

Ruptagain Lal 4-Peer M Zuberani.txt

97 KB

Saang o Aroc_Amanullah.txt

458 KB

Shagam o Ragam-Shambe kareem final.txt

64 KB

SHIRK O PAL -SABOOR BALOCH.txt

472 KB

Sidharta_Dr Bezan Baloch.txt

205 KB

SINDHI AAZMANK-AZIZ KALMATI.txt

134 KB

T S ELET-A R DAD1.txt

315 KB

The Broken Verses(Syad Hashmi) Final.txt

28 KB

THOSHAG - DR FAZAL KHALIQ.txt

74 KB

Ulas dar_Dr Fazal khaliq.txt

374 KB

YATANI AARS-A R DAD.txt

347 KB

ZANISH-HAMZA BALOCH.txt

159 KB

Zuban e marg_Dr Ghafoor Shad Copy prees.txt

578 KB

Data Ownership

All extracted data belongs to Balochi Academy. The corpus, lexicon, and token statistics are stored in Firebase Firestore and will be used to fine-tune world-class AI models (mBERT, Whisper, OpenNMT, Tacotron 2) specifically for the Balochi language. Source texts are from the Academy's digitized book collection hosted on DigitalOcean Spaces.