Maloba

Corpus Fala, externo · Versão anterior

Speech Recognition Datasets for Congolese Languages (lingala)

Corpus de código aberto integrado no Voice-a-thon de Kinshasa: 2 940 segmentos, 5 h 00 min, 25 a 31 locutores.

Ver no Hugging Face (abre numa nova janela)Todos os corpora

Construção

  • Corpus exterior ao projeto, retomado tal como está: gravações de línguas congolesas recolhidas em Kinshasa, parte lingala.
  • 2 940 segmentos, 5 h 00 min 18 s, 31 identificadores de locutores (25 a 31 pessoas prováveis).

O corpus, em gráfico

Volumetria comparada dos corporaOs quatro corpora de referência do projeto, à mesma escala. O corpus de fala domina em número de elementos; a tradução, o mais pequeno, é o que mais fez progredir o seu modelo.
05 06710 13415 20120 268Fala — segmentos18 767Textos — exemplos anotados4 818Documentos — exemplos467Tradução — pares humanos399

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

Ver os dados do gráfico
CorpusElementos
Fala — segmentos18 767
Textos — exemplos anotados4 818
Documentos — exemplos467
Tradução — pares humanos399

Limites

  • Não vem da recolha Maloba: é contado à parte e não entra nas horas do projeto.
  • Licença CC BY 4.0, distinta da NOODL-1.0 dos corpora Maloba: creditar os autores de origem.

Citação

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