audio
audioduration (s)
1.18
50.6
sentence
stringlengths
3
285
source
stringclasses
3 values
soo ko wutaloon mbaxana doon na baax ci naaj wi
alffa
ban oto mooy dem
urban_bus
doxat wu degtu woowu de yow rekk yaa ko déggul ci jataay bi
alffa
xamatuma lu ma def téere bi ma yoroon
alffa
Poste Courant Rufisque
urban_bus
Pont Yarakh
urban_bus
tëggum sabar dafa am ñu ñu ko féetale
alffa
li ci ëpp mu jaarloo leen beneen yoon
alffa
lor nga ma waruloo ko woona jox sama xaalis
alffa
mbootaay googu am na ay bànqaas ci diwaan yépp
alffa
danga réy doN nde reere sombi dara nekku ci
alffa
lu jiitu kër tassukaay xibaar siin waxnani benn roppalan sacc nañuko
fleurs
bala ngay xam li taat di jariñ toog jot
alffa
yóbbul bool bi ca tëgg ba mu nottarñi ko
alffa
bëñ yi foq nañu ba jeex poose rekk a ko dese
alffa
njaayam mi du jar bu baax ndax dafa seer
alffa
Gouy Gui Grand Mbao
urban_bus
Assemblee Nationale
urban_bus
xaaral ba mu géex nga sog koo tëral
alffa
ba ko rajo bi waxee la coow la ne kur
alffa
saaliyu moom ngi tonk fi mu nekk xamul bit ey fu muy jublu
alffa
booleel gàddaam gi ci liy dem ci cere ji
alffa
ay pirate ñoko sacc xaj bu soxor songu ko ca tibet rëc sëy ca nepal te nu jàpp ko ca indë
fleurs
Terminus Serigne Assane
urban_bus
Orabank
urban_bus
ku digé gaanà rekanté nà nga gep fanaanoo
alffa
rattleen nag yi te jël meew mi yóbbu
alffa
maam dafa mëlëñ moo tax muy joos guroom
alffa
ñu émul i lor du ñu méhando sunguf
alffa
léegi mbuusu palastig yi dañuy gaaw a fàcc
alffa
kenn mënula nelaw fii ndax riirum awyoN yi
alffa
sëriñ bi daldi yéeg ca kow ni cell
alffa
SOBOA
urban_bus
Station Total Keur Massar
urban_bus
daje nañu waxtaan ci fànni xam xam yu bare
alffa
Pharmacie Serigne Bamba M'backé Colobane
urban_bus
muy dóor tànk yi ci suuf si ndax yàkkamti
alffa
li ngay digle soo ko doon topp kenn du la gën
alffa
Cheikh Anta Diop Avenue, Dakar
urban_bus
Pharmacie Nord Foire
urban_bus
kuppe ci réew mi la fekk baax jëggaaniwuñu ko fenn
alffa
arc bu jëm mooy faral di gëna néew coow waaye arc bu jëm suuf moo gëna bari coow
fleurs
mu ngi yéeg ci fasam di xalam topp géttam
alffa
Ministere de l'Interieur Senegalais
urban_bus
ni barab yi neewee ay nit te kon polisiyon leeray bi nekkul woon ab jafe-jafe mën ngeen beggee itam ci biddeew yi
fleurs
Camp Sékou Mballo
urban_bus
suba dañuy daje ca xabru ba ngir dindi ñax ma
alffa
Ecole Sherif Ouseynou Thiaw Laye Malicka
urban_bus
mbër ma dafa doon rañaan faf daanu
alffa
bandikoto daldi noppi di leen seetaan
alffa
dañu ko ootal dafa naroona laN tugal
alffa
ku repp rekk ay génn yenn waxtu yi ci dëkk bii
alffa
awma xaalis wecci ma dugub ji am soow
alffa
aayal jaar ci suufu eseel biddaa tubaab yi la
alffa
doktoor dafa ma ne may lekk res ndax dama ñàkk deret
alffa
dafa àbb sama simis dal di ko def ag moomeel
alffa
Route de fann
urban_bus
Tournalou Yeumbeul
urban_bus
muus yi jiitu nañu la ci cere ji nga pannoon
alffa
su déggoo amee ci seen biir lépp dina dox
alffa
bi muy ñów dafa indaale xorom su bari
alffa
mën nañu liggéey wurus ci anam wu nekk mën nañu ko liggéey ci jëmm yu tuuti
fleurs
jigéen na takkaayam day la jikkoom day
alffa
Tournalou Yeumbeul
urban_bus
dañu bàyyi ba ndox mi teey ñu xent ko
alffa
bu seen pexe soti woon tey duñu fallu
alffa
kenn mënul sukkandiku ci wax ju lënt jii
alffa
jàng defar ay media yuy jokkalante dafa laaj ay mënef yu cosaanu ak tamit ay jumtukaay ci kalaas yuy jokkalante tablo jaar jaar o oak wdeo bu nu defar nettali jaar jaar ak ñoom seen.
fleurs
fi laa bëgg dem
urban_bus
fekk na biram njéemé koo njaay a ngi wara tollook ndangalma
alffa
nan laay def ngir dem Gendarmerie Pikine
urban_bus
leegi am na solo lu ko dalé wergu yaaram askan wi ak wonin jëm ci yelleef faat nit ba sart bi am jexitaal bu gaaw ku yore kàddu nguur gi loolu la wax
fleurs
ndënd ya sàjj nañu njagamaar yaa ngay tëb di dal
alffa
dafa séen gawar yu bare jëmsi ci dëkk bi
alffa
bawoo ci juróom ñeenti at ci bëtu morakot mu tolloot ci juróom ñaari kilomeetar ci diganteem ak province bu chinois bu fujian
fleurs
ci saa si picc ma ni waddet ni cëpp ci car bu gëna kawe
alffa
Sapeur Pompier de Rufisque
urban_bus
balaa muy liggéey ci les simpsons simon liggéeyoon na ci yeneen spectacle am ci ay ndomba
fleurs
waxtu wi dafa jot rekk mu dal di gaawa dem
alffa
ba nga xamee ni ñépp a ngi fecc di ree mu am ku ni
alffa
keneen ku yaru ndeysaan ni faatma mu tuuti teg ci né
alffa
ndaw si mu gis ci gént dafa njool sew ruuj di saamandàay ron
alffa
Diacksao
urban_bus
moo ma taxawu bi ñu ma bëggee delloo sama réew
alffa
ba mu nee buxeet lawarweer ñépp a dellu gannaaw
alffa
permi yi am bariwul te nu denc leen ngir laaj yu amul rendez vous jàppandi ngir ku njëkka ñëw njëkka am
fleurs
ndaw ci daldi jaaxle lool mu daw songi napp kat ba
alffa
xamuñu ni li ñuy wax lépp am na ku leen di yëddu
alffa
Batrain
urban_bus
CFAO Motors Senegal
urban_bus
picc mi bëgg xale bi xale biy màgg
alffa
danga waroon janook sa kilifa wax ko ni ànduloo ci li mu dogal moo gën nga bàyyi ba mu dem ngay xul
alffa
njiitu apple steve jobs wone na jumtukaay yéeg ci kaw tribune bi ba noppi genne iphone bi ci poosu jiinam
fleurs
boo gisé ku déf lu mu varul à déf bul ko farfarlé
alffa
jamano jooju mënul woon tukki dafa ko fekkoon ci ténj
alffa
ndax xam nga li may yég bu ma lay xalaat
alffa
waxambaane bi mottali na can gi ameelatul dara goro yi
alffa
Ndeureuhlou
urban_bus
dama egsi rekk ca ëllëg sa ma seeti ko
alffa
bi xew xew boobu di am momar a ngiy nàmp
alffa

Wolof Audio Dataset

The Wolof Audio Dataset is a collection of audio recordings and their corresponding transcriptions in Wolof. This dataset is designed to support the development of Automatic Speech Recognition (ASR) models for the Wolof language. It was created by combining three existing datasets:

Features

  • audio: An audio file containing speech in Wolof.
    • Format: Varies (e.g., WAV, MP3)
    • Sampling Rate: 16 kHz
  • sentence: The textual transcription of the audio in Wolof.
  • source: The origin of the example, either 'alffa', 'fleurs', or 'urban_bus'.

Dataset Structure

Splits

The dataset is divided into two splits:

Split Number of Examples
Train 20,224
Test 4,122

Usage Example

Here's how to load and use this dataset with the 🤗 Datasets library:

from datasets import load_dataset

# Load the dataset
dataset = load_dataset("vonewman/wolof-audio-data")

# Access an example from the 'train' split
print(dataset['train'][0])

# Expected output:
# {
#   'audio': {
#     'path': '.../train/audio/<audio_file>',
#     'array': array([...]),
#     'sampling_rate': 16000
#   },
#   'sentence': 'Transcription of the audio in Wolof',
#   'source': 'alffa'  # or 'fleurs' or 'urban_bus'
# }
Downloads last month
59
Edit dataset card