← 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
| # | entier 112 | texte · longueurs 33141 |
|---|---|---|
1 | Mandia — collecte des langues ivoiriennes, 13 octobre 2026 | |
2 | 1. Décompresser outils-colab.zip. | |
3 | 2. Ouvrir collecte-colab.ipynb dans Google Colab (Fichier > Importer le notebook). | |
4 | 3. Exécuter les cellules dans l’ordre. Aucun GPU nécessaire pour télécharger les données. | |
5 | 4. INCLURE_AUDIO=False télécharge les corpus texte retenus. True ajoute les deux archives audio (environ 342 Mo). | |
6 | 5. Les empreintes SHA-256 et MD5 sont vérifiées. Les accès restreints et les données aux droits incertains sont exclus. | |
7 | 6. Le notebook produit un fichier français→baoulé de 11 554 exemples générés. Faire relire les réponses par des locuteurs avant entraînement. | |
8 | 7. Séparer les groupes d’instructions et les locuteurs entre train et test ; garder les benchmarks hors entraînement. | |
9 | Le fichier plan-collecte.json conserve les sources et leurs versions. Le script telecharger.py permet la même collecte sur un poste Python. | |
10 | Commande locale : python3 telecharger.py --plan plan-collecte.json --destination mandia-collecte | |
11 | Avec les archives audio : ajouter --include-audio. | |
12 | Le téléchargement ne publie rien automatiquement et ne lance pas d’entraînement. Les données gardent leurs licences propres et attributions. |