Dataset Parallèle Français–Shingazidja v1.0

Description

Ce dataset rassemble 1 568 paires de phrases alignées entre le français et le shingazidja (dialecte de la Grande Comore), couvrant neuf catégories thématiques : vie quotidienne, presse et actualité, questions et dialogues, éducation, culture et proverbes, santé, administration, chiffres/dates/noms propres, ainsi qu'un ensemble de phrases expressives destinées à la synthèse vocale (TTS). Il est conçu comme ressource de base pour la collecte de données vocales et textuelles en shikomori, une langue jusqu'ici peu dotée en corpus numériques exploitables pour le traitement automatique du langage. Chaque entrée a été validée par des locuteurs natifs et une équipe de linguistes Komor-IA. Ce corpus a été constitué grâce à la plateforme de crowdsourcing Komor-IA, en collaboration avec des contributeurs comoriens bénévoles. ───────────────────────────────── NOTE PHONOLOGIQUE ───────────────────────────────── Une attention particulière a été portée à la transcription des deux paires de consonnes implosives propres au shikomori, souvent confondues ou mal notées à l'écrit : • b (occlusive orale) ↔ ɓ (implosive) • d (occlusive orale) ↔ ɗ (implosive) Chaque mot contenant un b ou un d a été vérifié et, le cas échéant, corrigé pour distinguer clairement ces sons, une étape essentielle pour garantir la fiabilité du corpus, aussi bien pour la lecture humaine que pour l'entraînement de modèles de reconnaissance ou de synthèse vocale respectant la phonologie réelle du shikomori. ───────────────────────────────── UTILISATIONS POSSIBLES ───────────────────────────────── • Entraînement de modèles de traduction automatique français → shingazidja • Études linguistiques comparatives • Ressources pédagogiques pour l'enseignement du shingazidja • Collecte de données vocales (TTS / ASR) ───────────────────────────────── INFORMATIONS ───────────────────────────────── Dialecte couvert : Shingazidja (Grande Comore) Langue source : Français Validé par : Équipe de linguistes Komor-IA Plateforme : komor-ia.com

Aperçu des données (5 exemples)