Corpus d'entraînement

Disponible sur demande (devis)

Pour entraîner nos modèles, nous préparons de grands corpus du français avec nos propres outils. Chaque source est rangée avec sa provenance et sa licence. Ces corpus peuvent servir à vos propres modèles, de recherche ou de production.

Les corpus

1. Texte, phonétique et étiquettes grammaticales

Des phrases françaises avec, pour chaque mot, sa transcription phonétique et son étiquette grammaticale. C’est la base pour entraîner un phonémiseur (G2P), un graphémiseur (P2G) ou un analyseur grammatical.

2. Voix

Des enregistrements de parole française avec leur texte et leur transcription phonétique, pour la synthèse ou la reconnaissance vocale. Ces corpus sont très volumineux : leur contenu, qui dépend des licences de leurs sources, et leur mode de livraison se définissent avec vous.

Obtenir un corpus

Les corpus sont disponibles sur demande et sur devis. Contactez-nous en précisant votre usage et le corpus qui vous intéresse : nous vous indiquons son contenu exact, sa licence et son prix.

Les corpus déjà en vente, avec leur prix et leur licence (syllabes du français, mots illustrés), sont présentés sur LecturaLexique.