Eyaa-Tom

Eyaa-Tom数据集是一个为了支持多哥语言的自然语言处理研究而设计的多语言数据集。它包含11种本地语言和带有的多哥口音的法语的语音及文本数据，主要用于语音识别和名字识别等应用。该数据集由Umbaji社区的专家通过实地工作收集，并包含了50个本地语言的语音识别样本以及每种语言超过50段的多哥名字录音。

搜集汇总

数据集介绍

构建方式

在非洲多语言资源匮乏的背景下，Eyaa-Tom数据集通过Umbaji语言学社区的实地调研精心构建。研究团队深入多哥本土社区，系统采集了涵盖11种当地语言及法语的语音与文本数据，覆盖医疗、金融等实用领域。数据收集过程注重语言多样性，特别收录了具有多哥口音的法语样本，并通过专业标注确保语料质量。

特点

该数据集最显著的特点是涵盖多哥境内广泛使用的本土语言，包括Moba、Nawdem、Ewe等濒危语种。其语料内容聚焦现实应用场景，如姓名识别与服务查询，体现了鲜明的实用导向。数据集采用平行语料架构，同一内容在不同语言间保持对应关系，为跨语言研究提供了坚实基础。

使用方法

研究者可通过联系Umbaji社区获取完整数据集权限，适用于低资源语言的机器翻译、语音识别等自然语言处理任务。建议结合NLLB、MMS等预训练模型进行迁移学习，以提升模型在稀缺语言上的表现。使用时应遵循CC-BY-NC-4.0许可协议，并在学术成果中规范引用相关论文。

背景与挑战

背景概述

在自然语言处理领域，多哥共和国丰富的语言多样性长期面临资源匮乏的困境。Eyaa-Tom数据集由Umbaji语言学社区于2025年主导构建，其名称源自卡比耶语中“人民之言”的意涵。该数据集聚焦于医疗保健、金融服务等实际应用场景，通过田野调查收录了包括莫巴语、纳乌德姆语、埃维语在内的11种本土语言及多哥口音法语语料。作为YodiV3项目核心组成部分，该资源显著推动了低资源语言在机器翻译、语音识别等方向的技术发展，为西非语言数字化保护提供了重要基础设施。

当前挑战

构建过程面临双重挑战：在领域问题层面，需克服多哥语言形态复杂性与方言变体交织的识别难题，特别是在医疗金融领域术语的跨语言对齐方面存在显著障碍；在技术实施层面，田野采集遭遇偏远地区录音环境噪声干扰，且部分濒危语言母语者稀缺导致样本均衡性难以保障，同时法語区域变体与本土语言代码混合现象进一步增加了标注复杂度。

常用场景

经典使用场景

在非洲多语言自然语言处理研究中，Eyaa-Tom数据集作为覆盖11种多哥本土语言及法语的平行语料库，其经典应用场景集中于低资源语言的机器翻译与语音识别任务。该数据集通过整合宗教、医疗、金融等多领域文本与语音数据，为构建跨语言语义理解模型提供了关键支撑，尤其适用于开发面向西非地区的多语言服务系统。

实际应用

在实际应用层面，该数据集支撑了多哥本土语言在公共服务领域的智能化转型。基于数据集开发的语音识别系统已应用于医疗咨询与金融业务场景，实现了本土语言的服务查询与姓名识别功能。这些应用显著降低了语言技术使用门槛，为西非地区数字化服务普及奠定了技术基础。

衍生相关工作

围绕该数据集衍生的经典工作包括YodiV3多模态处理框架，其通过集成NLLB翻译模型与MMS语音模型显著提升了低资源语言任务性能。相关研究还催生了针对非洲语言的预训练模型优化策略，推动了跨语言迁移学习在语言学资源不平衡场景下的方法论创新，为后续西非语言技术研究树立了范式。