← DatasetsTraduction · mis à jour il y a 3 sem
GH
gnakalehacker/catalogue-langues-ivoiriennes-v1
⌗ datasetInventaire de 56 sources et 49 pistes pour les langues ivoiriennes : contenus, licences, accès, provenance et usages pour traduction et voix.
Vues
49
Téléchargements
39
Likes
0
Clones
0
Fichiers
6
Taille
61 ko
| # | texte · longueurs 1142 | texte · longueurs 448 | texte · longueurs 3474 | texte · longueurs 4040 | texte · longueurs 4184 | texte · classes dyu43 % | texte · classes traduction16 % | texte · classes non renseignée20 % | texte · classes provenance_a_verifier25 % | mixte false82 % | texte · longueurs 55228 | texte · classes 2026-10-13100 % |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
Adjoumani/translations_french_baoule_V1 | Adjoumani/translations_french_baoule_V1 | https://huggingface.co/datasets/Adjoumani/translations_french_baoule_V1 | 0dcfe00c3251e758ee2889c971a3f01bf8c045f1 | baoulé | bci | traduction | MIT / CC-BY-SA-4.0 contradictoires | droits_a_clarifier | false | Environ 1 500 paires annoncées ; Glosbe et contenus religieux. Licence contradictoire, ne pas republier en l’état. | 2026-10-13 | |
AfriSpeech/africa-corpus | Africa Corpus | https://huggingface.co/datasets/AfriSpeech/africa-corpus | ded7566ef3e2b9579bac18d042acb5cd42deac5b | abron, adioukrou, agni / anyin, baoulé, bété de Guibéroua, bété de Daloa, bété de Gagnoa, yacouba (ancien code daf), dioula, sénoufo cebaara, krumen tépo, wobé | abr,adj,any,bci,bet,bev,btg,daf,dyu,sef,ted,wob | traduction biblique | licences des traductions à vérifier | droits_a_clarifier | false | Données dérivées de YouVersion ; MIT concerne le code. Conserver la version de chaque traduction ; pas de miroir sans vérification des droits. | 2026-10-13 | |
AfriSpeech/african-speech-ipa | AfriSpeech/african-speech-ipa | https://huggingface.co/datasets/AfriSpeech/african-speech-ipa | 7444fc09942fe87708a6069a387293f583b217d3 | abbey, attié, baoulé, guéré, yacouba (ancien code daf), dioula | aba,ati,bci,gxx,daf,dyu | phonèmes / reconnaissance vocale | CC-BY-4.0 déclarée | provenance_a_verifier | false | Transcriptions phonémiques dérivées du même audio que african-speech-public_v1 ; phonémisation automatique, règles empruntées pour certaines langues. Ne pas compter comme nouveaux enregistrements. | 2026-10-13 | |
AfriSpeech/african-speech-public_v1 | AfriSpeech/african-speech-public_v1 | https://huggingface.co/datasets/AfriSpeech/african-speech-public_v1 | b814069f6aeddfc823df246b43cc3d5e4ea46005 | abbey, attié, baoulé, guéré, yacouba (ancien code daf), dioula | aba,ati,bci,gxx,daf,dyu | reconnaissance vocale | non renseignée | droits_a_clarifier | false | Abbey 5,03 h ; attié 1,40 h ; baoulé 8,08 h ; guéré 3,01 h ; yacouba 2,26 h ; jula 15,85 h (Burkina Faso). Source audio commune au corpus IPA. | 2026-10-13 | |
AperiJessyca/dyulaFrench | AperiJessyca/dyulaFrench | https://huggingface.co/datasets/AperiJessyca/dyulaFrench | 3062ffc1b935ff16aea974c54abeba8c88d459b1 | dioula | dyu | traduction | non renseignée | droits_a_clarifier | false | Piste disponible sans fiche de licence exploitable ; ne pas republier. | 2026-10-13 | |
CohereLabs/xP3x | xP3x | https://huggingface.co/datasets/CohereLabs/xP3x | 7df3179967e3cfea74d74180e196984f0ef2a3ab | dioula | dyu | instructions multilingues | Apache-2.0 + licences sources | provenance_a_verifier | false | Sous-ensemble dyu_Latn ; agrégat de plusieurs corpus. Respecter les licences de chaque source et dédupliquer. | 2026-10-13 | |
Davlan/sib200 | sib200 | https://huggingface.co/datasets/Davlan/sib200 | 38977a667f6fc264d5c26ec57a01e16db040b358 | dioula | dyu | classification de texte | CC-BY-SA-4.0 | evaluation_et_classification | false | Dioula disponible. Corpus dérivé de FLORES ; dédupliquer les phrases communes et préserver les jeux de test. | 2026-10-13 | |
FarmerlineML/dyula_dataset_3.0 | FarmerlineML/dyula_dataset_3.0 | https://huggingface.co/datasets/FarmerlineML/dyula_dataset_3.0 | c58bc41e9c603097bfaf097523c4a129c92e0b41 | dioula | dyu | audio / texte à vérifier | non renseignée | demande_acces | manual | Fichiers non accessibles sans autorisation ; contenu et licence à confirmer. | 2026-10-13 | |
Findora/hf_fr_dioula_full | Findora/hf_fr_dioula_full | https://huggingface.co/datasets/Findora/hf_fr_dioula_full | 621898da91ce2455d80d00090574f4485ee3e6bf | dioula | dyu | traduction | Apache-2.0 déclarée | provenance_a_verifier | false | 25 642 lignes : 20 513 train, 2 564 validation, 2 565 test. Source primaire non documentée ; nombreux passages bibliques. Audit des doublons nécessaire. | 2026-10-13 | |
FrancophonIA/gatitos | FrancophonIA/gatitos | https://huggingface.co/datasets/FrancophonIA/gatitos | ccc39bec84f0fea1d2a90f4f61944f1519685b35 | baoulé, dioula | bci,dyu | lexique | CC-BY-4.0 | doublon | false | Reconditionnement GATITOS de Google ; garder une seule copie de chaque entrée. | 2026-10-13 | |
HPLT/HPLT3.0 | HPLT/HPLT3.0 | https://huggingface.co/datasets/HPLT/HPLT3.0 | 3394d6ba8dae4da834e3b11771daf95028a960b1 | dioula | dyu | préentraînement texte | cc0-1.0 | provenance_a_verifier | false | Texte collecté sur le Web / PDF. Les langues peuvent être mal identifiées ; contrôler les droits des documents originaux et les doublons. Dan dan_Latn désigne le danois dans plusieurs sources ; ne pas confondre avec yacouba daf. | 2026-10-13 | |
HuggingFaceFW/finepdfs | 📄 FinePDFs | https://huggingface.co/datasets/HuggingFaceFW/finepdfs | 220bac3acbf07789502c621d2d33952f51ac7f86 | baoulé, dioula, agni / anyin, attié, abbey, abidji, adioukrou, yacouba (ancien code daf), wobé, krumen tépo | bci,dyu,any,ati,aba,abi,adj,daf,wob,ted | préentraînement texte | odc-by | provenance_a_verifier | false | Texte collecté sur le Web / PDF. Les langues peuvent être mal identifiées ; contrôler les droits des documents originaux et les doublons. Dan dan_Latn désigne le danois dans plusieurs sources ; ne pas confondre avec yacouba daf. | 2026-10-13 | |
HuggingFaceFW/fineweb-2 | 🥂 FineWeb 2 | https://huggingface.co/datasets/HuggingFaceFW/fineweb-2 | af9c13333eb981300149d5ca60a8e9d659b276b9 | baoulé, dioula, agni / anyin, attié, abbey, abidji, adioukrou, yacouba (ancien code daf), wobé, krumen tépo | bci,dyu,any,ati,aba,abi,adj,daf,wob,ted | préentraînement texte | odc-by | provenance_a_verifier | false | Texte collecté sur le Web / PDF. Les langues peuvent être mal identifiées ; contrôler les droits des documents originaux et les doublons. Dan dan_Latn désigne le danois dans plusieurs sources ; ne pas confondre avec yacouba daf. | 2026-10-13 | |
Klayt/baoule-common-voice | Common Voice Baoulé (bci) | https://huggingface.co/datasets/Klayt/baoule-common-voice | 176d5f8ad6c04e5ca1a0e66770866709bcbb338b | baoulé | bci | reconnaissance vocale | CC0-1.0 déclarée | lien_source | false | Miroir Common Voice. Référencer l’origine ; conditions actuelles Mozilla Data Collective interdisent réhébergement / repartage. | 2026-10-13 | |
Minervus00/dyula-speech-bible | Minervus00/dyula-speech-bible | https://huggingface.co/datasets/Minervus00/dyula-speech-bible | 5a68f3dbf134aff00ad156614b34c58d5a314c89 | dioula | dyu | audio biblique | non renseignée | demande_acces | manual | Accès manuel ; vérifier droits de la traduction et droits audio. | 2026-10-13 | |
SuzuyaXIII/dioula | SuzuyaXIII/dioula | https://huggingface.co/datasets/SuzuyaXIII/dioula | 78d30a2f6837aca18a54a8987799f9632e597db5 | dioula | dyu | texte à inspecter | MIT déclarée | provenance_a_verifier | false | Fiche minimale ; source primaire et schéma à inspecter. | 2026-10-13 | |
TheReinventGuy/wobe-asjp-wordlist | ASJP Wobé Wordlist | https://huggingface.co/datasets/TheReinventGuy/wobe-asjp-wordlist | ba9435bcd186650af7ed8b27177cd29c4e155698 | wobé | wob | lexique | CC-BY-4.0 | copie_avec_attribution | false | 30 concepts ; source ASJP Hofer et Link 1980. Transcription phonologique ASJP, pas une orthographe pratique ni des phrases parallèles. | 2026-10-13 | |
Tree-AI-lab/bau-tts-monospeaker | Tree-AI-lab/bau-tts-monospeaker | https://huggingface.co/datasets/Tree-AI-lab/bau-tts-monospeaker | 3004927cb58ad00c220575dc8a534fc9e7d6c3e0 | baoulé | bci | synthèse vocale | non renseignée | droits_a_clarifier | false | 334 enregistrements indiqués. Possible dérivé WAXAL ; vérifier provenance avant cumul. | 2026-10-13 | |
Tree-AI-lab/fr_bci_4d_instruct | fr_bci_4d_instruct | https://huggingface.co/datasets/Tree-AI-lab/fr_bci_4d_instruct | 63c2112daf19b2e5472198158e7f463820ca3025 | baoulé | bci | conversation / instructions | Apache-2.0 | copie_avec_attribution | false | 55 020 lignes vérifiées ; 11 554 FR→BCI. Dérive de French-Alpaca 55K, généré par GPT-3.5, licence Apache dans le corps de la fiche source. Traductions baoulé à valider par locuteurs ; aucune qualité native prouvée. | 2026-10-13 | |
Uriath/g2p-african-languages | G2P African Languages (Mooré · Bambara · Dioula) | https://huggingface.co/datasets/Uriath/g2p-african-languages | 03e565e4251619f06cbcf5822b20a90b9c773f64 | dioula | dyu | graphemes-vers-phonèmes | CC-BY-4.0 déclarée | demande_acces | manual | Dioula, bambara, mooré ; accès manuel. Utile pour prononciation, pas pour conversation. | 2026-10-13 | |
abdouaziz/baoule2 | abdouaziz/baoule2 | https://huggingface.co/datasets/abdouaziz/baoule2 | d2a9c3aa2c0fa3e1feb192b4de8d5b07f999088f | baoulé | bci | reconnaissance vocale | non renseignée | droits_a_clarifier | false | Licence et provenance non documentées ; possible reconditionnement audio existant. | 2026-10-13 | |
allenai/nllb | allenai/nllb | https://huggingface.co/datasets/allenai/nllb | c36967abb45f06ff7659849372ab41e01838193e | dioula | dyu | traduction minée sur le Web | non renseignée | droits_a_clarifier | false | Vérifier licence du corpus ; ne pas attribuer automatiquement la licence du modèle NLLB aux données. | 2026-10-13 | |
ayymen/Pontoon-Translations | Pontoon Translations | https://huggingface.co/datasets/ayymen/Pontoon-Translations | 7318c7cac7cdd5e2e7efc7e86d84256aaf54c8dc | dioula | dyu | localisation logicielle | MPL-2.0 déclarée | provenance_a_verifier | false | Traductions d’interfaces, vocabulaire spécialisé ; vérifier les fichiers réellement dioula. | 2026-10-13 | |
bible-nlp/biblenlp-corpus | biblenlp-corpus | https://huggingface.co/datasets/bible-nlp/biblenlp-corpus | 89289adb7f473fd64fde3fdeab9267356464f4ca | langues selon fichiers | langues selon fichiers | traduction biblique | CC-BY-4.0 / other | droits_a_clarifier | false | Versions et licences varient ; ne pas traiter le corpus religieux comme une seule licence. | 2026-10-13 | |
cis-lmu/GlotCC-V1 | cis-lmu/GlotCC-V1 | https://huggingface.co/datasets/cis-lmu/GlotCC-V1 | 9ad140b6be3ac7b539606a2b4809b49d122823de | baoulé, dioula, agni / anyin, adioukrou | bci,dyu,any,adj | préentraînement texte | cc0-1.0 | provenance_a_verifier | false | Texte collecté sur le Web / PDF. Les langues peuvent être mal identifiées ; contrôler les droits des documents originaux et les doublons. Dan dan_Latn désigne le danois dans plusieurs sources ; ne pas confondre avec yacouba daf. | 2026-10-13 |