Projet
À propos
Corpus Tshiluba est une plateforme de collecte et d’annotation de parole, conçue pour le terrain : téléphone Android, sans application à installer, avec un parcours de consentement clair.
Le tshiluba (cilubà) est peu représenté dans les jeux de données audio ouverts. Sans enregistrements diversifiés — accents, âges, contextes — les systèmes de reconnaissance automatique de la parole restent fragiles pour les locuteurs et locutrices de cette langue.
Cette initiative s’inscrit dans le cadre d’IndabaX RDC 2026, portée par Tardigrade Droid Technologies (TDT). Les contributions volontaires alimentent un corpus annoté destiné à la recherche ASR (entraînement, évaluation, publications).
Initiateur
Persévérance Mbuku K.
Étudiant · Faculté Polytechnique · Université Mapon · Génie informatique
Passionné par la technologie et l’intelligence artificielle — en particulier Trustworthy AI, XAI et Embedded Tiny AI — je fais partie de ceux qui croient que la technologie doit servir à l’amélioration des conditions de vie.
Mon but : me servir de la technologie pour réduire la fracture digitale dans la communauté congolaise. C’est dans cet esprit que j’ai initié le projet TDT, appelé à devenir une entreprise technologique africaine — résiliente, locale, et ancrée dans les contraintes réelles du terrain.
Ce corpus de parole tshiluba en est une illustration concrète : des données ouvertes pour des langues sous-représentées, collectées avec respect du consentement, au service de la recherche et des usages utiles.
Ce que nous demandons
Quelques secondes à quelques minutes de parole : lecture à voix haute d’une phrase, ou parole spontanée sur un thème proposé. Vous pouvez indiquer (optionnellement) une tranche d’âge et une région.
Ce que vous gardez
Un jeton personnel après chaque envoi. Il sert à retrouver vos soumissions et à retirer votre consentement si vous le souhaitez — Mes envois.