gnakalehacker/rap-ivoire-v0-1

---

license: CC BY 4.0

---

Mandia Rap Ivoire v0.1

Mandia Rap Ivoire v0.1 est un dataset structuré consacré au Rap Ivoire contemporain.

Cette version publique contient uniquement des métadonnées, annotations, captions, manifests de splits et documents de description.

Elle ne redistribue pas les enregistrements audio d’origine, les segments audio extraits ni les stems générés avec Demucs.

Résumé du dataset

• 872 morceaux
• 5 322 segments alignés
• 44,39 heures représentées
• 5 322 captions en français
• 5 322 captions en anglais
• splits train / validation / test tenant compte des artistes
• estimation du BPM
• catégories de tempo
• énergie
• densité rythmique
• tonalité et mode estimés
• tags sémantiques CLAP
• métadonnées artistes
• contexte vocal multilingue : français, nouchi et anglais

Le code-switching entre français, nouchi et anglais est fréquent dans le Rap Ivoire.

Splits

Split	Morceaux	Segments	Durée
Train	707	4 256	35,486 h
Validation	83	532	4,452 h
Test	82	534	4,452 h

Contrôles du split :

• fuite de morceaux entre splits : 0
• fuite connue d’artistes fiables : 0
• artistes non résolus hors train : 0
• entités artistes ambiguës hors train : 0

Comment les données ont été collectées

Le corpus a été construit à partir de sources musicales et de métadonnées publiques liées au Rap Ivoire.

Le pipeline interne de construction comprend notamment :

1. inventaire des fichiers sources ;
2. contrôle d’intégrité ;
3. détection des doublons exacts ;
4. détection des quasi-doublons avec Chromaprint ;
5. revue manuelle des cas suspects ;
6. contrôle du contenu musical ;
7. séparation interne voix / instrumental avec Demucs ;
8. création de segments alignés ;
9. extraction des caractéristiques musicales ;
10. estimation du BPM, de l’énergie et de la densité rythmique ;
11. annotations sémantiques zero-shot avec CLAP ;
12. normalisation prudente des artistes ;
13. création de splits tenant compte des collaborations ;
14. génération de captions structurées en français et en anglais.

Les fichiers audio utilisés pendant la construction ne sont pas inclus dans cette version publique.

Structure

Fichier	Description
tracks.csv	Métadonnées au niveau des morceaux
segments.csv	Manifest complet des segments
semantic_tags.csv	Annotations sémantiques produites avec CLAP
train.jsonl	Split d’entraînement
validation.jsonl	Split de validation
test.jsonl	Split de test
dataset_card.json	Description machine-readable du dataset
metadata_summary.json	Statistiques générales et informations de provenance
README_RIGHTS.md	Informations sur les droits et la redistribution
checksums.sha256	Empreintes SHA-256 des fichiers

Catégories de segments

Le dataset contient :

• 5 289 segments paired_music
• 26 segments beat_only
• 7 segments audiovisual_context

Les segments paired_music constituent le cœur du dataset musical.

Les segments beat_only contiennent principalement du contenu instrumental.

Les segments audiovisual_context correspondent à des passages authentiques liés aux clips ou à la mise en scène musicale : introductions parlées, transitions, ambiance ou contexte audiovisuel.

Langues et contexte vocal

Le Rap Ivoire mélange fréquemment plusieurs registres linguistiques.

Les langues observées dans le contexte du corpus sont principalement :

• français ;
• nouchi ;
• anglais.

Il peut y avoir du code-switching dans un même morceau, un même couplet ou une même performance.

Cette version ne contient pas de transcription complète des paroles et ne fournit pas de langue vérifiée manuellement pour chaque segment.

Captions

Chaque segment dispose de :

• une caption structurée en français ;
• une caption structurée en anglais.

Ces captions décrivent les caractéristiques musicales du segment.

Elles peuvent inclure notamment :

• le style estimé ;
• le BPM ;
• le tempo ;
• l’énergie ;
• la densité rythmique ;
• la tonalité estimée ;
• certains tags sémantiques.

Les captions ont été générées automatiquement à partir des métadonnées structurées et ne sont pas vérifiées manuellement phrase par phrase.

Ce que le dataset ne contient pas

Cette version publique ne contient pas :

• les enregistrements audio originaux ;
• les fichiers audio téléchargés ;
• les stems vocaux Demucs ;
• les stems instrumentaux Demucs ;
• les segments audio de 30 secondes ;
• les paroles complètes ;
• les transcriptions des paroles ;
• des annotations manuelles de langue pour chaque segment.

Les chemins audio éventuellement présents dans certains manifests décrivent uniquement la structure interne utilisée pendant la construction du dataset.

Ils ne signifient pas que ces fichiers audio sont distribués dans cette release.

Consentement et éthique

Aucun participant n’a été recruté directement par Mandia pour cette release.

Le package public contient des métadonnées dérivées, des annotations, des captions et de la documentation.

Cette release ne prétend pas que les artistes, labels, éditeurs, plateformes ou autres ayants droit ont donné à Mandia l’autorisation de redistribuer ou d’accorder des droits sur les enregistrements musicaux d’origine.

Toute personne souhaitant utiliser les enregistrements audio sous-jacents doit vérifier les droits applicables et obtenir les autorisations nécessaires pour son usage.

Les annotations automatiques telles que les tags CLAP, les BPM, les tonalités estimées, les niveaux d’énergie et les captions peuvent contenir des erreurs.

Licence et droits

La licence CC BY 4.0 s’applique uniquement aux métadonnées, annotations, captions et à la documentation produites par Mandia et distribuées dans ce repository.

Cette licence ne s’étend pas aux enregistrements musicaux, compositions, performances, clips vidéo ou autres contenus protégés appartenant à des tiers.

Consultez README_RIGHTS.md pour plus de détails.

Version

Mandia Rap Ivoire v0.1

SHA-256 de l’archive canonique :

12aab5bf0a1c1437899e0647070afb42ff7837a11e639c6cab4bc3deb9c72444