AfriQA
CollaboratifLe premier jeu de questions-réponses multilingue conçu pour les langues africaines.
- Question-réponse
- Langues africaines
- Corpus
Actif
Recherche et données
GalsenAILab
Ce que la communauté construit, et ce qui en sort. Les projets d'un côté, les corpus qu'ils produisent de l'autre.
Les projets
Ce que la communauté construit
Des travaux portés par GalsenAI et des initiatives collaboratives auxquelles elle participe.
-
-
Masakhane
CollaboratifInitiative panafricaine de traduction automatique, à laquelle des membres de GalsenAI contribuent.
- NLP
- Traduction automatique
- Recherche ouverte
Actif -
Waxal
GalsenAIDétection de mots-clés parlés dans six langues sénégalaises.
- Reconnaissance vocale
- Langues africaines
- Corpus
Actif -
Adama
GalsenAIUn modèle de synthèse vocale en wolof.
- Synthèse vocale
- Langues africaines
Actif -
Aya
CollaboratifDes modèles multilingues ouverts, construits par des milliers de chercheurs.
- Modèles de langue
- Multilingue
- Science ouverte
Actif -
Traduction automatique
GalsenAIUn modèle de traduction pour les langues sénégalaises.
- Traduction automatique
- Langues africaines
Actif
Les jeux de données
Ce qui en sort
Les langues du Sénégal restent peu dotées en données exploitables. Cette section réunit les corpus produits par la communauté et ceux qu'elle recommande, avec pour chacun son domaine, ses langues, son volume et sa licence.
Filtrer le catalogue
13 jeux de données référencés
-
Synthèse vocale
Version nettoyée et débruitée de la voix féminine du corpus Wolof TTS. Les annotations ont été reprises pour retirer caractères spéciaux, émojis et caractères étrangers, et les extraits jugés de qualité insuffisante ont été écartés. Représente 18 h 41 min de parole exploitable.
- Wolof
- Volume
- 19 947 extraits audio · 18 h 41 min
- Licence
- CC BY 4.0
Ouvrir sur Hugging Face
-
Reconnaissance vocale
Jeu de données de reconnaissance automatique de la parole en wolof, construit en réunissant quatre corpus existants et leurs transcriptions. Pensé pour l'entraînement de modèles ASR, c'est le plus large ensemble audio transcrit en wolof publié par la communauté.
- Wolof
- Volume
- 35 075 extraits audio · 6,5 Go
- Licence
- Apache 2.0
Ouvrir sur Hugging Face
-
Synthèse vocale
Corpus de synthèse vocale enregistré par deux locuteurs natifs du wolof, une voix masculine et une voix féminine, chacun ayant lu plus de 20 000 phrases. Collecté par Baamtu Datamation dans le cadre du programme AI4D African Language Program, il constitue la base de référence pour la synthèse vocale en wolof.
- Wolof
- Volume
- 40 010 extraits audio · 4,6 Go
- Licence
- CC BY 4.0
Ouvrir sur Hugging Face
-
Traduction automatique
Agrégation des différentes sources de traduction wolof-français disponibles au sein de la communauté, réunies dans un format unique avec traçabilité de la source de chaque paire. C'est le corpus parallèle wolof-français le plus volumineux publié par GalsenAI.
- Wolof
- Français
- Volume
- 98 345 paires de phrases
- Licence
- Licence non précisée par le producteur , vérifiez les conditions de réutilisation avant usage
Ouvrir sur Hugging Face
-
Traduction automatique
Corpus parallèle anglais-wolof de petite taille, pensé pour l'évaluation rapide et l'amorçage de modèles de traduction vers l'anglais.
- Wolof
- Anglais
- Volume
- 7 405 paires de phrases
- Licence
- Licence non précisée par le producteur , vérifiez les conditions de réutilisation avant usage
Ouvrir sur Hugging Face
-
Traduction automatique
Jeu d'évaluation de référence pour la traduction automatique, couvrant 200 langues dont le wolof. Les mêmes phrases étant traduites dans toutes les langues, il permet de comparer les performances d'un modèle wolof à celles obtenues sur des langues mieux dotées.
- Wolof
- Français
- Anglais
- Multilingue
- Volume
- 200 langues
- Licence
- CC BY-SA 4.0
Ouvrir sur Hugging Face
-
Traduction automatique
Corpus parallèle français-wolof aligné phrase à phrase, chaque paire conservant la mention de sa source d'origine. Utilisé pour l'entraînement des modèles de traduction de la communauté.
- Wolof
- Français
- Volume
- 17 777 paires de phrases
- Licence
- Licence non précisée par le producteur , vérifiez les conditions de réutilisation avant usage
Ouvrir sur Hugging Face
-
Reconnaissance vocale
Corpus de parole transcrite consacré à l'agriculture dans les trois langues les plus parlées du Sénégal. Les enregistrements réunissent agriculteurs, conseillers agricoles et responsables d'entreprises agroalimentaires, à travers des émissions de radio interactives, des groupes de discussion, des messages vocaux et des entretiens. Projet financé par le Lacuna Fund.
- Wolof
- Pulaar
- Sérère
- Volume
- 125 h de parole transcrite, dont 35 h vérifiées
- Licence
- CC BY 4.0
Ouvrir sur Zenodo
-
Traduction automatique
Corpus parallèle de traduction dans le domaine de l'actualité, couvrant 21 langues africaines dont le wolof, avec le français et l'anglais comme langues pivots. Également issu du collectif Masakhane.
- Wolof
- Français
- Anglais
- Multilingue
- Volume
- 21 langues africaines
- Licence
- CC BY-NC 4.0
Ouvrir sur Hugging Face
-
Reconnaissance d'entités
Corpus de reconnaissance d'entités nommées couvrant 20 langues africaines, dont le wolof. Produit par le collectif Masakhane, auquel des membres de GalsenAI contribuent. Les annotations couvrent personnes, lieux, organisations et dates.
- Wolof
- Multilingue
- Volume
- 20 langues africaines
- Licence
- AFL 3.0
Ouvrir sur Hugging Face
-
Classification audio
Jeu de données de commandes vocales couvrant le wolof, le pulaar et le sérère, annoté par mot-clé. Chaque extrait audio est associé à l'un des mots du vocabulaire cible, ce qui en fait une ressource adaptée à la détection de mots-clés et aux interfaces vocales en langues nationales.
- Wolof
- Pulaar
- Sérère
- Volume
- Entre 10 000 et 100 000 extraits
- Licence
- CreativeML OpenRAIL-M
Ouvrir sur Hugging Face
-
Reconnaissance vocale
Correction de la partie wolof du corpus WAXAL publié par Google, dont les fichiers audio et les transcriptions présentaient un défaut d'alignement qui rendait la ressource inutilisable. La communauté a régénéré les transcriptions puis réaligné l'ensemble, rendant le corpus de nouveau exploitable.
- Wolof
- Volume
- 1 042 extraits audio · 6,1 Go
- Licence
- Licence non précisée par le producteur , vérifiez les conditions de réutilisation avant usage
Ouvrir sur Hugging Face
-
Corpus textuel
Corpus textuel monolingue en wolof, destiné au pré-entraînement et à l'adaptation de modèles de langue. Sert de base aux travaux de modélisation linguistique du wolof menés dans la communauté.
- Wolof
- Volume
- 52 706 phrases
- Licence
- Licence non précisée par le producteur , vérifiez les conditions de réutilisation avant usage
Ouvrir sur Hugging Face
Un projet à faire connaître ?
Si vous travaillez sur les langues sénégalaises, sur un corpus ouvert ou sur un modèle que la communauté pourrait reprendre, écrivez-nous.