O Maloba no LoBAI
Os modelos Maloba são apresentados em conversação no LoBAI, a interface da Congo Digital Services, e através de uma API compatível com OpenAI. O ponto de acesso está em entrada em serviço.
Programa Local Language Accelerator · PNUD Congo
O lingala fala às máquinas
Com os seus falantes, o Maloba constrói os dados e os modelos que faltavam ao lingala: reconhecer a voz, ler documentos, traduzir e responder. Tudo é publicado, medido e aberto à comunidade.
Executado pela Congo Digital Services para o consórcio WYMEE / CDS / SACLI, sob a tutela do Ministério dos Correios, das Telecomunicações e da Economia Digital.
58h
de fala anotada e publicada
58,13 h publicadas após segmentação e desduplicação, de 210 emissões
Ficha do corpus V3.2 §6.218 767
segmentos de fala transcritos
15 175 em treino, 1 795 em validação, 1 797 em teste
Ficha do corpus V3.25
modelos adaptados ao lingala
Fala (Whisper, MMS), documentos (Qwen2-VL), tradução (NLLB), assistente (Llama)
Entregável 4 §1310
amostras avaliadas por três validadores falantes de lingala
930 juízos; sentido preservado em 96,5 % dos casos
Entregável 3 §6.788,7%
de caracteres corretos na leitura de documentos
92 % das saídas julgadas recuperáveis por validadores humanos
Relatório E01Números apurados em 30 de setembro de 2026. Cada valor remete para o relatório que o estabelece.
Os dados
Quatro corpora de referência: fala, documentos, textos, tradução. Fontes identificadas, ortografia harmonizada, texto de origem conservado.
Ver os corporaOs modelos
Cinco modelos adaptados ao lingala a partir de bases abertas. Cada ficha dá o resultado medido, a licença em palavras claras e os limites.
Ver os modelosOs resultados
Medições automáticas reproduzíveis, validação por três validadores lingalófonos, e os quinze relatórios de avaliação e de treino.
Ver os resultadosParticipar
Dar a sua voz, anotar, validar, traduzir, abrir um local de recolha. O corpus constrói-se linha a linha, com os falantes.
Juntar-se ao trabalhoGovernação
Quem pode usar os corpora, quem deve beneficiar deles, como é recolhido o consentimento e como retirar uma gravação.
Ler a governaçãoRecursos
Convenções de escrita do lingala, módulo de harmonização, cadeia de avaliação, repositórios públicos, relatórios e kit de imprensa.
Ver os recursosO que funciona, o que continua difícil
Publicamos os dois. É essa franqueza que torna o resto credível.
O que funciona
A leitura de documentos atinge 88,7 % de caracteres corretos, confirmada por validadores humanos, e é o único resultado cujo acordo entre validadores foi considerado suficiente. A tradução sobe de 23,37 para 32,00 de BLEU, um ganho significativo.
O que continua difícil
O reconhecimento de voz mantém-se em 44,17 % de palavras erradas em fala de terreno. O volume de áudio (58 h contra as 80–100 h esperadas) e a ortografia não estabilizada explicam parte da diferença.
Todos os resultados, os seus conjuntos de teste e a sua fiabilidade
A quem pertence a voz de uma comunidade
Os corpora Maloba pertencem antes de mais à comunidade que os produziu. São publicados sob a licença Nwulite Obodo Open Data 1.0, que não concede os mesmos direitos a um laboratório africano subfinanciado e a uma multinacional tecnológica.
Investigadores, programadores e organizações de África
Acesso livre e gratuito, com atribuição ao projeto Maloba.
Sem royaltiesUtilizadores dos outros países em desenvolvimento
Acesso livre e gratuito, com atribuição, para qualquer uso.
Sem royaltiesEmpresas e países de rendimento elevado
Partilha de benefícios a acordar com a CDS antes do uso; os proveitos revertem para o projeto e para a comunidade lingalófona.
Partilha de benefíciosÚltimas publicações
O que a equipa fez, mediu e publicou.
Três validadores, 310 amostras
O que a validação humana diz dos nossos dados: o sentido é preservado em 96,5 % dos casos, mas os validadores concordam pouco sobre o que é «correto» ou «parcial».
O MMS aprende a escrever ɔ e ɛ
Treinado em 1 h 50 sobre 0,23 % dos seus parâmetros, um adaptador de língua para o MMS atinge a mesma taxa de palavras corretas que o Whisper, com erros mais leves ao caráter.
Quem faz este trabalho
PNUD, programa Local Language Accelerator
Financiamento, pilotagem, revisão técnica
Parceiro financeiroMinistério dos Correios, das Telecomunicações e da Economia Digital
Tutela do projeto
TutelaSIL Congo
Acervo documental: 22 documentos digitais (1 008 páginas) e 110 manuscritos
Parceiro de dadosRadio Rurale · ORPR
54 h de arquivos digitais; cerca de 150 h de bandas por digitalizar
Acordo assinadoComunidade de falantes
Voice-a-thon Saúde, no centro das Grandes Endémies
ContribuidoresWYMEE, CDS, SACLI
Consórcio titular do contrato, executado pela Congo Digital Services
Consórcio