mimba/multivoice-nnh

Corpus multivoix ngiemboon (nnh)

14,077 extraits | 462 voix | 25,8 h | FLAC mono 24 kHz

Ngiemboon — langue bantoue des Grassfields, parlee dans l'ouest du Cameroun. Corpus destine a l'entrainement TTS multi-locuteurs.

D'ou vient l'accent

11 voix ngiemboon reelles, choisies une a une et ecoutees : 9 hommes et 2 femmes, tirees de mimba/afrilang (configuration nnh_cm). Leur timbre a ete porte sur 462 timbres de banque par conversion (OpenVoice), puis chaque texte a ete clone depuis ces references (OmniVoice, langue Ngiemboon).

C'est la difference essentielle avec un corpus multivoix ordinaire : les timbres viennent d'une banque, mais la prononciation vient de locuteurs reels. Un timbre invente par synthese ne parle aucune langue en particulier ; il donne un accent flou que l'on entend immediatement.

Composition

voix	462 — 241 feminines, 221 masculines
style	358 normales, 104 chuchotees
extraits	14,077
duree	25,8 h
frequence	24 000 Hz, constante

Les timbres sont tires de mimba/omnivoice-voicebank par un echantillonnage stratifie : a parts egales entre les genres, et volontairement pauvre en chuchotements — un cinquieme, contre la moitie dans la banque. Prendre les premiers timbres du fichier donnait 500 voix masculines pour 27 feminines, la banque etant rangee par attribut.

Structure

Un fichier data/<speaker_name>.parquet par voix. Une ligne par extrait :

colonne	type
id	<segment_source>__<speaker_name> — le texte d'origine reste identifiable
speaker_id	index de la voix, 0 a 461
speaker_name	genre_age_hauteur_style_accent
text	le texte prononce
text_phonemized	IPA complet — ᵐ, ⁿ, d͡z conserves
audio	FLAC mono 24 kHz, octets embarques
sampling_rate, duration, src_idx

speaker_name decrit le timbre en cinq champs : genre (female/male), age, hauteur (verylow a veryhigh), style (normal/whisper), accent d'origine du timbre — qui ne dit rien de la prononciation, tous les extraits etant en ngiemboon.

from datasets import load_dataset
d = load_dataset("mimba/multivoice-nnh", split="train")

Comment il a ete filtre

Trois controles, chacun sur le defaut qu'il sait voir :

Le sifflement, mesure avant ecriture. Part d'energie dans 6,5-13 kHz par trame de ~23 ms, p90 de cette distribution, ramene a 24 kHz. Au-dela de 0,50, l'extrait n'est pas ecrit — une trame sur dix n'y est presque plus que du souffle, et cela ne se rattrape pas au filtrage. Taux de refus mesure : 8,2 %.

Les epaves de conversion. Une reference dont le spectre meurt trop bas obtient un excellent p90 — il n'y a plus rien a mesurer dans la bande. On exige donc aussi une bande utile et une brillance minimales.

La diction hachee. Un clip trop long pour son texte a ete lu mot a mot, ou la generation s'est emballee. Le spectre de ces clips est irreprochable : seul le rapport caracteres/seconde les trahit. 4,2 % ecartes, et les 5 voix perdues entierement etaient toutes veryhigh.

Limites

• Les timbres sont synthetiques : seul l'accent vient de locuteurs reels.
• L'accent du speaker_name est celui du timbre d'origine, pas de la prononciation.
• src_idx recopie speaker_id et n'apporte rien.
• Les prenasalisees ᵐ/ⁿ sont absentes du vocabulaire de BlueTTS. Le corpus les conserve : le repli vers m/n est une decision d'entrainement, pas une propriete du corpus.
• Une voix — ref_female_child_high_normal_american — prononce deux mots supplementaires en tete de ses 38 clips, une fuite du clonage. Son text a ete complete en consequence.