fongbe_g2p

Conversion graphème → phonème pour le fongbe à base de règles. Sortie en IPA avec marques de ton, prête pour un front-end TTS ou une lexique de prononciation.

Bibliothèque standard Python uniquement — aucune dépendance.

from fongbe_g2p import g2p, apply_sandhi

g2p("gbɛtɔ́")            # 'ɡ͡b ɛ˧ t ɔ˥'      (personne)
g2p("kpɔ́n")             # 'k͡p ɔ̃˥'          (regarder — nasalisation)
g2p("vodúngbe")          # 'v o˧ d ũ˥ ɡ͡b e˧'  (dimanche)
g2p("Mawu", sep="")      # 'm a˧w u˧'
g2p("gbɛtɔ́", with_tone=False)   # 'ɡ͡b ɛ t ɔ'

Ce que fait le module

Les tons sont lus via une décomposition NFD : la voyelle et sa marque de ton sont traitées séparément, donc rien n'est perdu quel que soit l'encodage de l'entrée.

Sandhi tonal

sandhi_fongbe.py implémente la règle contextuelle la plus déterministe :

Dans une succession de tons bas, seul le dernier reste bas ; les autres remontent au ton moyen. → B B B devient M M B

apply_sandhi("è kò nù")   # 'e ko nù'

Les résolutions du ton modulé (V→H ou V→B) dépendent du contexte grammatical (impératif, pronom, négation, composition) et ne sont pas déductibles de la seule orthographe : elles sont laissées inchangées, volontairement.

Cette partie est bien moins mûre que le G2P — voir Limites connues pour son apport réellement mesuré.

Pour valider la règle sur un corpus de paires citation → réalisé :

python -m fongbe_g2p.validate_sandhi mes_paires.tsv
# format : 'citation<TAB>réalisé' ou 'réalisé ---> citation'

Le document source n'est pas redistribué ici (voir NOTICE.md), il faut donc fournir son propre fichier.

Installation

pip install fongbe-g2p

Ou depuis les sources :

git clone https://github.com/Arnel7/fongbe-g2p.git
cd fongbe-g2p
pip install -e .

Tests

pip install -e ".[dev]"
pytest

33 tests, sans fichier de données : digraphes, nasalisation, les 4 tons, homoglyphes, robustesse (chaîne vide, caractère inconnu, marque combinante orpheline), couverture de l'inventaire, sandhi, non-régression.

pytest et ruff ne servent qu'au développement — le paquet lui-même n'a aucune dépendance d'exécution.

Couverture mesurée

Sur des corpus fongbe réels (transcriptions de parole, jeux de Q&A, corpus parallèle), après normalisation NFD :

Les seuls caractères non traités sont étrangers au fongbe (q, œ, écritures non latines) : ils proviennent de passages en français ou de bruit de corpus, et sont laissés tels quels en sortie.

Limites connues

⚠️ ˧ veut dire « moyen » ou « aucune information »

Le fongbe note le ton moyen par l'absence de marque. Ce module ne peut donc pas distinguer une voyelle réellement au ton moyen d'une voyelle dont le ton n'a simplement pas été écrit — les deux sortent en ˧.

C'est décisif en pratique, parce que beaucoup de texte fongbe est sous-toné. Part des voyelles émises en ˧ faute de marque, mesurée sur les mêmes corpus :

Conséquence : si vous entraînez un TTS directement sur cette sortie, le modèle apprend du bruit tonal sur la majorité des voyelles. Faites passer votre texte par une étape de restauration de tons avant le G2P, ou n'utilisez que du texte intégralement toné.

Sandhi : un brouillon, pas une implémentation complète

Une seule règle est implémentée, et son apport mesuré est modeste : 60,5 % → 62,0 % de tons corrects sur 71 paires citation → réalisé, soit +1,5 point. Les résolutions du ton modulé, qui dépendent du contexte grammatical, ne sont pas traitées du tout. À considérer comme une base de travail, pas au même niveau de fiabilité que le G2P.

Autres

• Les règles viennent d'une description orthographique, pas de mesures acoustiques ; elles n'ont pas été validées par un locuteur natif. Les retours sont bienvenus.
• L'orthographe fongbe connaît plusieurs traditions : certaines sources notent le ton bas par un accent grave, d'autres le laissent non marqué (fusionné avec le moyen). Ce module suit la première. Un texte de la seconde tradition sera lu avec des tons moyens là où un ton bas est attendu.

Licence et sources

Code sous licence MIT (LICENSE). Voir NOTICE.md pour l'attribution des sources linguistiques.