serge-wilson/wolof_speech_transcription

Wolof Speech Transcription

Description

Dataset de reconnaissance automatique de la parole (ASR) en wolof, une langue d'Afrique de l'Ouest parlée par plus de 10 millions de locuteurs, principalement au Sénégal.

Ce dataset est un miroir HuggingFace du corpus wolof du projet ALFFA hébergé à l'origine sur GitHub par le laboratoire GETALP (Grenoble).

Source originale

Ce dataset provient du projet ALFFA :

• —Repository : getalp/ALFFA_PUBLIC
• —Laboratoire : GETALP, Université Grenoble Alpes
• —Objectif : fournir des ressources ASR pour les langues africaines peu dotées

Composition du dataset

Schéma des données

Utilisation

from datasets import load_dataset

dataset = load_dataset("serge-wilson/wolof_speech_transcription")

train = dataset["train"]
test = dataset["test"]

example = train[0]
print(example["sentence"])
# "moo taxit feebaru jigéen dafa bari façons"

Citation

Si vous utilisez ce dataset, veuillez citer le projet ALFFA original :

@inproceedings{gauthier2016collecting,
  title={Collecting Resources in Sub-Saharan African Languages for Automatic Speech Recognition: a Case Study of Wolof},
  author={Gauthier, Elodie and Besacier, Laurent and Voisin, Sylvie and Melese, Michael and Elingui, Jonathan},
  booktitle={Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC'16)},
  year={2016}
}

Remerciements

Merci au laboratoire GETALP et aux auteurs du projet ALFFA pour avoir rendu ces données disponibles en open source.