Corpus audio breton

Corpus audio de phrases en breton, créé par l'IRISA et l'Office public de la langue bretonne dans le cadre du projet de synthèse vocale du breton.

Description du corpus

Voix Aziliz et Per

Aziliz et Per sont des voix féminine et masculine enregistrées entre 2021 et 2022. Elles disposent de près de 20 heures d'enregistrements à partir de textes de sources variées.

Données Aziliz

Dossier	Nombre de fichiers	Durée
A1	7928	10:15:01
A201-dialog_documents	632	01:08:03
A201-dialog_mozilla	1777	01:35:14
A203-tales	556	00:54:18
A204-poems	529	00:35:13
A205-recipes	131	00:12:25
A207-proper_names	1319	00:38:26
A208-letters_numbers	56	00:01:43
A212-text_documents	456	00:40:08
A212-text_mozilla	1435	01:10:41
Total	14819	17:11:12

Données Per

Dossier	Nombre de fichiers	Durée	Commentaires
P1-part1-slowed_tempo	7182	08:50:05	Cette session correspond principalement à du contenu journalistique, adminitratif et technique. Une réduction du tempo de 10% a été appliquée.
P1-part2-original_tempo	746	00:52:03
P201-dialog_documents	634	01:12:18
P201-dialog_mozilla	1777	01:26:45
P203-tales	556	00:55:55
P204-poems	529	00:41:18
P205-recipes	131	00:08:49
P207-proper_names	1875	00:47:45	Per a été enregistré deux fois en lisant des noms de ville à voix haute, mais avec des intonations différentes
P208-letters_numbers	54	00:01:25
P212-text_documents	452	00:27:10
P212-text_mozilla	1435	01:04:41
Total	15371	16:28:14

Fichiers de données .tsv

À chaque dossier contenant des fichier .wav pour un locuteur ou une locutrice correspond un fichier .tsv dans le dossier sentences, avec les entêtes suivantes :

• champ 0 : nom du fichier .wav associé
• champ 1 : transcription normalisée
• champ 2 : transcription textuelle
• champ 3 : transcription phonétique
• champ 4 : 1 si le fichier audio a déjà été créé, 0 si le fichier audio était prévu mais n'a pas été créé (les autres champs ne doivent pas être pris en compte, ou sont vides)
• champ 5 : 1 si la normalisation a été validée, 0 si la normalisation n'a PAS été validée (les champs normalization et phonetization ne doivent pas être pris en compte, ou ils sont vides).
• champ 6 : 1 si une transcription phonétique manuelle est disponible, 0 sinon
• champ 7 : texte source
• champ 8 : aide à l'enregistrement (optionnel)
• champ 9 : nombre de couches pour le diphone covering (seulement pour les voix plus récentes "loeiz" et "rozenn")

Nommage des fichers audio

A correspond à aziliz
P correspond à per