Datasets:

serge-wilson
/

wolof_speech_transcription

audio audioduration (s) 2.29 12.5	sentence stringlengths 26 118
	moo taxit feebaru jigéen dafa bari façons
	bu nawetee du génn te gànnaayoowul ak permiyaabal
	kii de dafay wanteer njëg li neex na lool
	léegi daawur dafa mel ni ku télbati
	delloo na naaru góor wi tëboon wajanam wi
	ci saa si ayda jafandu ci waasintóoram yu tuuti ya
	Nee ñu xobi pàppaayo baax na ci fas yi seen biir di metti
	ku woor di togg mën naa am nga juubu mos xorom
	ba mu egsee ca dëkk ba booba ñépp a nga woon ca tool ya ba mu des ndew ma mu fekk ca buntu néegam
	ruuxal soow mi ndax soppuma ci sañ yi
	tamaate fàrsi jaa ngi noy nepp kenn mënu ko dagg
	mu fab ko saggane ko te ndeyam amoon ko muy benn doññ
	mu nga jóge woon ca rëbb ma gàlloo genn kéwél
	mbëtt mënula daw mënula jaab lu dul bar bari
	sa yaraale bi màgg na léegi yow lañuy xaar
	reeni xom xom fajkat yee koy jëfandikoo
	muy toj mu ndaw di toj mu mag mënees nañoo tiim
	saalu gerte tubaab rekk la xale yi bëgg
	fas wa dellu fëx nekk ca la mu nekkoon
	ki sàcc sa nag yi du jaar ci saawo si
	buur ne ki rey ninki nanka bi lay may doomam
	këram la waaye dëkku ci dafa ko luye
	boo raxasee aset yi ba noppi nga fomp leen
	mbubb ma nga soloon ca céet ga booba laa bëgg
	mu jëm ca sàmba seytaane amari né ko
	amul bàyyi ni ko ndax am na jur gu dem
	dalal nga sama xel bi nga ma nee am na liggéey
	morooman yi gunge nañu ko ba gaar ba
	soo leen boolee dinañu gaawa xaritoo
	fompal lumbi deret yi bala nga koy faj
	moo yey Noy ci liggéeyam moo ko tax a suturlu
	bu jëkk jigéen ñi begguñu woon sew dañu daan yaflu
	Naar Naar Naar ba Naar yépp tiit daldi jóg ni ko
	mag ñu jëkk ña daawuñu génn te takkuñu nafa
	booy dem màrse ma yóbbante la kànja
	ba jànq ya indee meew ma xale yu góor yi daldi naan
	dafa bàyyi woon ay waajuram moo tax mu alku
	seen ndën li yal nangeen ko yàgga def
	kon dey ma dal di tegale samay ndab te dem
	yaay ji ni ko benn lam bu ma sa baay mayoon bi mu ma takkee
	ñu toogati lu yàgg ba ñépp fàtte
	yaay ji ni ko benn lam bu ma sa baay mayoon bi mu ma takkee
	jamanoy tàngaay ci teraas bi lañuy lekke
	maa ngi nii nag waxal nag loo ma fi mayul ma delloo la ko
	leegi li ñu wara def mooy balu ko te daw seeti feneen
	fas di nà dov vandé rutimgeer à cà ràv
	darkase yi meññuñu ndax bekkoor bi
	xale bi raatale na laax bi ci dënn bi
	loolu laa amoon lu ma leen di wax wasalaam
	xaaral ba nu matal ay gii nga soga bokk
	kër gu xate nii kenn mënu fi yar xar
	wër nañu xale bi ba tàyyi gisuñu ko
	saaga yu ñaaw lay génne ci gémmiñam gi
	dégg naa ne kër googa dafay jaay luññutu ko
	bu jur gi màngsee dañu leen di abal karas gi
	amoon na fi jigéen ju bon ju nekkoon ag ñeenti doomam
	mënuma laa dab yaa ma gën a gudd i jéego
	toppatool xale bi dafa mel na ku tojal
	xaaral ba suuf si màndi nga sog di gas
	moo xale bi yow reew nga di waaw lu doon say tànk sax
	xawma lu ko jot yaram mi dafa def yu mel ni ay càqar
	sama maam a ma defarluloon seN oor bii
	mbom la dagg bënn mi nii ni na doon bàmmeelam
	mu ngi jonkon ci wetu taal bi di jaaru
	mu ngi topp tali bi di tëñëx tëñëxi
	balawlaw tàppit malaan a ngoog am yobbaale ko buur
	li mu doon daw moo tax noyyi gi gëna gaaw
	miskin yu bare la yélimaan jooju daan leel
	xale bi laaj ko loo dagge sama butitu njurukaay
	tëggkat yi tàmbaleeguñu ñu ngiy foddat ndënd yi
	ci wetu seju la toolu banaana yi nekk
	wax ju jëkk fasu par la tontu la naaru góor
	mu daldi jël li mu soxla dem mu delluwaat ci yaayam ni ko
	gàpp bi weesu na bu yàgg dama koy seeti ndax ma soññ ko
	dafay gelu yaayam yóbbuleen ko ci moom
	góomam bi dafa wunni bi mu ci defee sunguf si
	badoolë bou bagn é ligaiye bagn é k mbok ëm
	ki sàcc sa nag yi du jaar ci saawo si
	bi mu tàmbalee jël garab googu ba tey miiratul
	soo ko wutaloon mbaxana doon na baax ci naaj wi
	damaa am ab rëq rëq ci li ma doon def
	boo ko dénkul woon say mbóot lii du la dal
	dafa ko seen rekk ne wëréñ ne mott
	dama bëgg xam këf ki mu dugal ci waxande wi lu mu doon
	sa ceebu tey bi wesaN na démb dafa xawoon tooy
	altine biy ñów lañuy wori bu soobee yàlla
	danga bëgg ci sama màngo bi waaye du jaar ci sa bóli
	li nga wax leerul nee ma maa ngi jëm béréb sàngam
	bu ñu noddee fajar dafa naan fojjet jóg
	demal foo jublu yàlla na fa yiwu yàlla jublu
	boo fi fekkulee xaalis bu jàppandal duma la mëna dimmali
	xale yu tuuti yi nga xam ni xamuñu dara mu bàyyi leen
	Nit ka déglu ko ba noppi dal di fiddi
	soldaar yi amatuñu bal amatuñu puudër
	këriñ gi du gaawa jàpp ndax dafa tooy
	bañuñu koo bind matadi gi mu àndal a tax
	fekk ma tool ya am na liggéey bu ñu fa war def
	lu mpicà baré baré du téré ji dugup
	bu ñu bëggee falu di wuta peeg nit ñi
	janq yu ndaw ndawaan yi lañu fiy jàngal togg

End of preview. Expand in Data Studio

Wolof Speech Transcription

Description

Dataset de reconnaissance automatique de la parole (ASR) en wolof, une langue d'Afrique de l'Ouest parlée par plus de 10 millions de locuteurs, principalement au Sénégal.

Ce dataset est un miroir HuggingFace du corpus wolof du projet ALFFA hébergé à l'origine sur GitHub par le laboratoire GETALP (Grenoble).

Source originale

Ce dataset provient du projet ALFFA :

Repository : getalp/ALFFA_PUBLIC
Laboratoire : GETALP, Université Grenoble Alpes
Objectif : fournir des ressources ASR pour les langues africaines peu dotées

Composition du dataset

Split	Échantillons
Train	12 599
Test	2 245
Total	14 844

Schéma des données

Colonne	Type	Description
`audio`	Audio	Signal audio
`sentence`	string	Transcription en wolof

Utilisation

from datasets import load_dataset

dataset = load_dataset("serge-wilson/wolof_speech_transcription")

train = dataset["train"]
test = dataset["test"]

example = train[0]
print(example["sentence"])
# "moo taxit feebaru jigéen dafa bari façons"

Citation

Si vous utilisez ce dataset, veuillez citer le projet ALFFA original :

@inproceedings{gauthier2016collecting,
  title={Collecting Resources in Sub-Saharan African Languages for Automatic Speech Recognition: a Case Study of Wolof},
  author={Gauthier, Elodie and Besacier, Laurent and Voisin, Sylvie and Melese, Michael and Elingui, Jonathan},
  booktitle={Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC'16)},
  year={2016}
}

Remerciements

Merci au laboratoire GETALP et aux auteurs du projet ALFFA pour avoir rendu ces données disponibles en open source.

Downloads last month: 23

Models trained or fine-tuned on serge-wilson/wolof_speech_transcription

serge-wilson/wav2vec-large-wolof

Automatic Speech Recognition • Updated Sep 27, 2023 • 6

serge-wilson/wav2vec-base-wolof

Automatic Speech Recognition • Updated Sep 26, 2023 • 4