Maloba

Corpus Audio, externe · Version historique

Speech Recognition Datasets for Congolese Languages (lingala)

Corpus open source intégré au Voice-a-thon de Kinshasa : 2 940 segments, 5 h 00 min, 25 à 31 locuteurs.

Voir sur Hugging Face (nouvelle fenêtre)Tous les corpus

Construction

  • Corpus extérieur au projet, repris tel quel : enregistrements de langues congolaises collectés à Kinshasa, partie lingala.
  • 2 940 segments, 5 h 00 min 18 s, 31 identifiants de locuteurs (25 à 31 personnes probables).

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.
05 06710 13415 20120 268Audio — segments18 767Textes — exemples annotés4 818Documents — exemples467Traduction — paires humaines399

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

Voir les données du graphique
CorpusÉléments
Audio — segments18 767
Textes — exemples annotés4 818
Documents — exemples467
Traduction — paires humaines399

Limites

  • Il ne vient pas de la collecte Maloba : il est compté à part et n'entre pas dans les heures du projet.
  • Licence CC BY 4.0, distincte de la NOODL-1.0 des corpus Maloba : créditer les auteurs d'origine.

Citation

Speech Recognition Datasets for Congolese Languages, Mendeley Data. Licence CC BY 4.0.