| --- |
| language: |
| - nnh |
| license: cc-by-nc-sa-4.0 |
| pretty_name: Mimba Multi-Voice Ngiemboon TTS Corpus (nnh) |
| task_categories: |
| - text-to-speech |
| tags: |
| - text-to-speech |
| - tts |
| - voice-cloning |
| - multi-speaker |
| - speaker-diversity |
| - ngiemboon |
| - nnh |
| - cameroon |
| - african-languages |
| - low-resource |
| - tonal |
| - synthetic |
| - OmniVoice |
| - OpenVoice |
| size_categories: |
| - 10K<n<100K |
| dataset_info: |
| features: |
| - name: id |
| dtype: string |
| - name: speaker_id |
| dtype: int64 |
| - name: speaker_name |
| dtype: string |
| - name: text |
| dtype: string |
| - name: text_phonemized |
| dtype: string |
| - name: audio |
| dtype: audio |
| - name: sampling_rate |
| dtype: int64 |
| - name: duration |
| dtype: float64 |
| - name: src_idx |
| dtype: int64 |
| configs: |
| - config_name: default |
| data_files: |
| - split: train |
| path: data/*.parquet |
| --- |
| |
| # Mimba Multi-Voice Ngiemboon TTS Corpus (`nnh`) |
|
|
| Un corpus TTS **multi-locuteurs en ngiemboon** (Grassfields Bantu, ouest du Cameroun), |
| conçu pour **finetuner un modèle de clonage vocal** ([BlueTTS](https://github.com/maxmelichov/BlueTTS)) |
| sans lui faire perdre sa capacité de **clonage zero-shot**. |
|
|
| Chaque clip associe une phrase ngiemboon, sa **transcription phonémique IPA** et un audio |
| porté par l'un de **~525 timbres distincts**. |
|
|
| > ▶️ **L'audio se joue directement dans le dataset viewer** (colonne `audio` = feature 🤗 `Audio`). |
|
|
| > ⚠️ **Entièrement synthétique.** Aucune voix humaine n'a été enregistrée pour ce corpus. |
| > Voir [Provenance](#comment-il-a-été-produit) et [Limites](#limites). |
|
|
| --- |
|
|
| ## Résumé |
|
|
| | Propriété | Valeur | |
| |---|---| |
| | Langue | Ngiemboon (`nnh`), Cameroun — langue **tonale** | |
| | Voix | **~525** timbres distincts | |
| | Énoncés par voix | 50 (fenêtre tournante sur le corpus texte) | |
| | Total | **~26 250** clips | |
| | Audio | Mono, **24 000 Hz**, **FLAC** (sans perte) en bytes dans le Parquet | |
| | Texte | Phrase ngiemboon (`text`) + **phonèmes IPA** (`text_phonemized`) | |
| | Shards | `data/{voix}.parquet` — un fichier par voix | |
|
|
| --- |
|
|
| ## Pourquoi ce dataset |
|
|
| Finetuner un TTS de clonage sur **peu de locuteurs** détruit l'espace locuteur : le modèle |
| oublie le clonage et se met à **répéter des syllabes**. Mesuré sur un run précédent avec |
| 4 voix : la similarité locuteur s'effondrait de **0,45 à 0,22 en 1 000 steps**. |
|
|
| La parade : entraîner sur **des centaines de timbres**, pour que le modèle apprenne à |
| **séparer le contenu du locuteur**. La diversité remplace le gel des poids. |
|
|
| | Étape | Outil | Rôle | |
| |---|---|---| |
| | **A** | [OmniVoice](https://github.com/k2-fsa/OmniVoice) *Voice Design* | ~527 **timbres** variés → [`mimba/omnivoice-voicebank`](https://huggingface.co/datasets/mimba/omnivoice-voicebank) | |
| | **B** | [OpenVoice V2](https://github.com/myshell-ai/OpenVoice) *Voice Conversion* | plaque ces timbres sur les **6 voix nnh** du corpus source → **références à accent ngiemboon** → [`mimba/nnh-multivoice-vc`](https://huggingface.co/datasets/mimba/nnh-multivoice-vc) | |
| | **C** | OmniVoice *clone* (`language_id='nnh'`) | génère ce corpus : **propre, accent conservé** (ref = clip VC) | |
|
|
| L'accent est **porté par la référence** (issue de voix ngiemboon), la conversion de timbre |
| ne changeant que la couleur de voix — prononciation, rythme et tons sont hérités de la source. |
|
|
| --- |
|
|
| ## Phonémisation |
|
|
| Le corpus source ne fournit que du texte : `text_phonemized` est **calculé** par |
| [`nnh_g2p.py`](https://huggingface.co/datasets/mimba/multivoice-nnh), une translittération |
| orthographe AGLC → IPA. |
|
|
| - **L'orthographe ngiemboon est phonémique** (Alphabet Général des Langues Camerounaises) : |
| une lettre = un phonème, et plusieurs lettres *sont* déjà des symboles IPA (`ɛ ɔ ŋ ʉ`). |
| - **Les tons sont CONSERVÉS** : `◌́` (haut), `◌̀` (bas descendant), `◌̂` (descendant), |
| `◌̌` (montant) ; le ton bas simple reste non marqué, comme dans l'orthographe. |
| Les phonèmes sont livrés en forme **décomposée** (NFD) — c'est le diacritique combinant |
| qui figure dans le vocabulaire BlueTTS, pas la lettre précomposée. |
| - L'apostrophe `ʼ` note l'**occlusive glottale** `/ʔ/`. |
| - La **prénasalisation** (`mb`, `nd`, `ng`…) est ramenée à la nasale pleine (`m`, `n`, `ŋ`) : |
| les marqueurs en exposant `ᵐ ⁿ ᵑ` sont les **seuls** symboles absents du vocabulaire BlueTTS. |
|
|
| Couverture vérifiée sur 3 000 phrases : **100 %** des caractères produits existent dans le |
| vocabulaire (244 entrées) — aucun phonème perdu en `PAD`. |
|
|
| --- |
|
|
| ## ⚡ Utilisation |
|
|
| ```python |
| from datasets import load_dataset |
| |
| ds = load_dataset("mimba/multivoice-nnh", split="train") |
| row = ds[0] |
| print(row["speaker_name"], "|", row["text"]) |
| print(row["text_phonemized"]) |
| audio = row["audio"] # {'array': np.float32[...], 'sampling_rate': 24000} |
| |
| import IPython.display as ipd |
| ipd.display(ipd.Audio(audio["array"], rate=audio["sampling_rate"])) |
| ``` |
|
|
| Écouter une voix précise : |
|
|
| ```python |
| import io, soundfile as sf, pandas as pd |
| from huggingface_hub import hf_hub_download |
| |
| d = pd.read_parquet(hf_hub_download("mimba/multivoice-nnh", |
| "data/female_youngadult_high_normal_british.parquet", |
| repo_type="dataset")) |
| arr, sr = sf.read(io.BytesIO(d.iloc[0]["audio"]["bytes"])) # FLAC lu directement |
| ``` |
|
|
| **Pour l'entraînement** : `text_phonemized` est prêt à l'emploi (aucun G2P à refaire), mais |
| `speaker_id` doit être **remappé en `0..N-1`** — les ids sources ne sont pas contigus. |
|
|
| --- |
|
|
| ## Champs |
|
|
| | Champ | Type | Description | |
| |---|---|---| |
| | `id` | string | `{speaker_name}_{src_idx}` | |
| | `speaker_id` | int64 | Identifiant de la voix (⚠️ non contigu — à remapper) | |
| | `speaker_name` | string | Nom du timbre, ex. `female_child_high_normal_indian` | |
| | `text` | string | Phrase ngiemboon | |
| | `text_phonemized` | string | Phonèmes IPA, **tons conservés**, forme décomposée | |
| | `audio` | audio | `{bytes: <FLAC 24 kHz mono PCM-16>, path: None}` | |
| | `sampling_rate` | int64 | `24000` | |
| | `duration` | float64 | Durée du clip (s) | |
| | `src_idx` | int64 | Index de la phrase dans le corpus texte | |
|
|
| --- |
|
|
| ## Comment il a été produit |
|
|
| 1. **Timbres** — ~527 voix via OmniVoice Voice Design (attributs, sans référence audio), |
| dédupliquées par embedding locuteur. |
| 2. **Références** — OpenVoice V2 *ToneColorConverter* convertit les **6 voix** de |
| [`mimba/nnh-tts-dataset`](https://huggingface.co/datasets/mimba/nnh-tts-dataset) vers |
| chacun de ces timbres. |
| 3. **Génération** — pour chaque timbre, OmniVoice **clone** (`ref_audio` = clip VC, |
| `language_id='nnh'`, `num_step=32`, déterministe) 50 phrases tirées de |
| [`mimba/text2text`](https://huggingface.co/datasets/mimba/text2text) (`nnh_fra`), |
| phonémisées à la volée. Fenêtre tournante : chaque voix reçoit des phrases différentes. |
| 4. **Stockage** — un Parquet par voix, FLAC 24 kHz en bytes, push incrémental et reprenable. |
|
|
| --- |
|
|
| ## Limites |
|
|
| - **Chaîne synthétique longue.** Contrairement à son équivalent malgache, qui part de |
| **4 voix humaines réelles**, ce corpus s'appuie sur `mimba/nnh-tts-dataset`, lui-même |
| **généré par TTS**. L'accent ngiemboon est donc hérité *au second degré* : toute |
| imperfection des 6 voix de référence se propage ici. |
| - **G2P non validé par un locuteur.** `nnh_g2p.py` est construit à partir de la charte |
| alphabétique et de la littérature (SIL / AGLC) — **il n'a pas été vérifié à l'oreille par |
| un locuteur natif**. Les valeurs de `ẅ`/`ÿ` et les réalisations contextuelles de `b`, `d`, |
| `g` restent incertaines. |
| - **Tons présents mais non évalués.** Ils sont transmis au modèle ; que celui-ci les |
| restitue *audiblement* reste à démontrer par écoute. |
| - **Diversité de contenu bornée** par le corpus texte source. |
| - **24 kHz** — rééchantillonner si le modèle cible attend autre chose. |
|
|
| --- |
|
|
| ## Usage prévu |
|
|
| Finetuning multi-locuteurs de TTS/clonage pour une langue peu dotée (projet **Mimba**) : |
| apprendre à parler ngiemboon **sans perdre** le clonage zero-shot. |
|
|
| --- |
|
|
| ## Licence |
|
|
| `cc-by-nc-sa-4.0` — usage non commercial, attribution, partage à l'identique. |
| Vérifier indépendamment les licences d'OmniVoice et d'OpenVoice V2 avant tout usage commercial. |
|
|
| --- |
|
|
| ## Citation |
|
|
| ```bibtex |
| @misc{mimba2026multivoicennh, |
| title = {Mimba Multi-Voice Ngiemboon TTS Corpus (nnh)}, |
| author = {Mimba Ngouana Fofou}, |
| year = {2026}, |
| } |
| ``` |
|
|
| ##### *Contact : [@Mimba](baounabaouna@gmail.com)* |
|
|
