Construction

Première version du corpus audio, avant la reconstruction depuis le service d'annotation.

Le corpus en graphique

Volumétrie comparée des corpusLes quatre corpus de référence du projet, à la même échelle. Le corpus audio domine en nombre d'éléments ; la traduction, la plus petite, est celle qui a le plus fait progresser son modèle.

Source : Livrable 4, chiffres arrêtés au 2026-09-30

Voir les données du graphique

Corpus	Éléments
Audio — segments	18 767
Textes — exemples annotés	4 818
Documents — exemples	467
Traduction — paires humaines	399

Limites

Version dépassée : les partitions partagent des audios. Utiliser la V3.2.

Protection des locuteurs

Le corpus contient des voix humaines. Il ne comporte ni nom ni coordonnée. Il est interdit de chercher à identifier les locuteurs ou de cloner leur voix : c'est une condition d'accès. Pour retirer un enregistrement, écrivez à contact@congo-digital.com. Lire la gouvernance des données.

Citation

Congo Digital Services (2026). audios-lingala-annotatees. Hugging Face. Licence NOODL-1.0.