Maloba

Corpus Documentos · Versão anterior

qwen-vl-lingala-dataset-augmented

Conjunto de documentos aumentado por rotação, ruído e variações de contraste.

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

Construção

  • Conjunto aumentado a partir das regiões anotadas do acervo SIL Congo: rotações, ruído e variações de contraste aplicados às imagens.

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

  • O aumento multiplica os exemplos sem acrescentar informação: não melhorou o modelo escolhido.
  • Versão histórica; o conjunto de referência é dataset-qwen-vl-lingala-qlora-vf.

Citação

Congo Digital Services (2026). qwen-vl-lingala-dataset-augmented. Hugging Face. Licença NOODL-1.0.