namu
namu-ai.orgÉcouter Aïr
En ouverture

Rumbu

Un commun de parole hausa fondé sur le consentement, en commençant par le Niger

Lire les questionsVoir l’avancementCollaborer

À quoi ressembleraient les données de parole hausa si elles étaient recueillies avec les personnes qu’elles représentent ?

De la parole hausa recueillie avec consentement et une juste rémunération, auprès des personnes et dans les lieux que les jeux de données publics laissent de côté. La plupart des données publiques de parole hausa ont été lues à voix haute à partir d’un texte, au Nigeria, par des personnes à l’aise avec une application sur téléphone.

Conversation

Deux personnes sur des canaux séparés, et des appels sur des téléphones ordinaires.

Consentement

Chaque locuteur choisit les usages de sa voix, et il est rémunéré.

Couverture

Des variétés régionales du Niger et du Nigeria, y compris des personnes qui ne lisent pas.

La plupart des données publiques de parole hausa ont été lues à voix haute à partir d’un texte, au Nigeria, par des personnes à l’aise avec une application sur téléphone. FLEURS, un benchmark dont de nombreux articles rapportent les résultats, comporte un jeu de test hausa étiqueté « hausa du Nigeria », dans lequel 620 énoncés sur 621 sont prononcés par des femmes. Ce n’est pas le hausa que parlent nos utilisateurs, et les modèles entraînés et testés sur ces données apprennent une version étroite de la langue.

Rumbu est notre programme pour constituer la parole hausa qui manque, à la manière dont une communauté entretient un grenier : ensemble, avec soin, et avec des règles claires sur qui peut y puiser. Nous enregistrerons le hausa du Niger et du Nigeria dans ses variétés régionales : des conversations entre deux personnes sur des canaux séparés, de la parole transmise par des appels téléphoniques ordinaires comme par des applications, et des personnes qui ne lisent pas, invitées à parler à partir d’images et de questions plutôt que d’un texte.

Chaque personne enregistrée donnera son consentement éclairé en hausa, choisira à quoi sa voix pourra servir, et sera rémunérée pour son temps. Chaque jeu de données sera accompagné d’une déclaration de données (data statement) qui indique qui y figure, comment il a été enregistré et ce qu’il ne permet pas d’étayer.

Nous publierons ce que le consentement et la loi permettent, et dirons clairement ce que nous gardons en accès fermé, et pourquoi.

Ce que nous n’affirmons pas encore

  • Rien n’a encore été recueilli. Rumbu est en phase d’ouverture ; ce n’est pas un jeu de données.
  • Nous n’avons fixé ni le taux de rémunération ni une date de publication ; l’un et l’autre seront rendus publics avant le début de la collecte.
  • Aucun visage, nom ou village de contributeur n’apparaîtra sans le choix explicite de la personne concernée.

Qui parle dans les données hausa aujourd’hui Chaque énoncé de la partie test hausa de FLEURS, dans l’ordre du fichier, coloré selon le genre indiqué dans le jeu de données.

Source : google/fleurs, data/ha_ng/test.tsv, CC BY 4.0, consulté le 12 octobre 2026.

QuestionsCe que ce programme cherche à établir

  1. 01

    À quoi ressemble un échantillon représentatif de la parole hausa à l’échelle du Niger et du Nigeria, et à quel point les jeux de données publics actuels s’en écartent-ils ?

  2. 02

    Comment recueillir du hausa spontané et conversationnel auprès de personnes qui ne lisent pas, par des téléphones ordinaires, avec une qualité exploitable pour la recherche en reconnaissance de la parole et en conversation ?

  3. 03

    Quelle conception du consentement donne aux locuteurs de vrais choix, et rattache ces choix à chaque fichier et à chaque modèle dérivés ?

  4. 04

    Quelle est une juste rémunération pour une séance d’enregistrement au Niger et dans le nord du Nigeria, et comment en rendre compte ?

AvancementSeules les étapes terminées sont datées

  1. À venirConception et consentementFormulaire de consentement et notice d’information en hausa (audio et texte), options de périmètre d’utilisation, taux de rémunération, analyse de protection des données, relecteurs extérieurs.
  2. À venirPhase piloteUn petit pilote multidialectal avec des paires enregistrées sur deux canaux et des appels sur ligne téléphonique ; coût par heure transcrite et qualité, mesurés.
  3. À venirD’abord le jeu de testUn jeu d’évaluation à locuteurs disjoints, stratifié par dialecte et par genre, figé avant la collecte des données d’entraînement.
  4. À venirPasser à l’échelle là où le pilote révèle des manques
  5. À venirPublicationDéclaration de données, niveaux de licence selon le consentement, et une procédure de retrait.

Ce que nous publierons

  • Rumbu-Hausa v0, publié par niveaux, selon le consentement donné par les locuteurs
  • Une déclaration de données et une fiche descriptive (datasheet)
  • Un parcours de collecte par téléphone, guidé par des images
  • Article : recueillir du hausa conversationnel au Niger — consentement, coût et couverture

Travaillez avec nous sur Rumbu

Nous recherchons des partenaires communautaires au Niger et dans le nord du Nigeria, des personnes pour relire la conception du consentement, et des organisations qui souhaitent financer une collecte rémunérée.

Nous écrire

Lectures

Autres recherches

Toute la recherche

Hira

Des modèles de parole qui écoutent pendant qu’ils parlent, conçus pour le hausa et évalués d’après la façon dont les locuteurs du hausa prennent réellement la parole à tour de rôle.

Zarma

Les premières ressources de parole ouvertes et recueillies avec consentement, et des résultats de référence (baselines) honnêtes, pour le zarma, parlé par environ six millions de personnes le long du fleuve Niger.

Tankaɗe

Les méthodes qui transforment des archives radiophoniques, des enregistrements de terrain et de l’audio participatif en données en hausa et en zarma sur lesquelles un modèle peut apprendre et auxquelles un lecteur peut se fier.

Maʼauni

Des jeux de test, une normalisation du texte, des protocoles d’écoute et des benchmarks qui donnent un sens à un résultat en hausa ou en zarma.