منتجات البيانات
مجموعات بيانات بمعايير المؤسسات تغطي الطيف الكامل للذكاء الاصطناعي اللغوي في شمال أفريقيا
تبدأ أولى تسليمات المدونات اعتبارًا من الربع الثالث 2026 — والإنتاج قائم في تونس.
يحظى عملاء الوصول المبكر بالأولوية وبكلمة مسموعة في اختيار المجالات المغطاة. والجمع يتم حسب الطلب: حدّدوا المجالات والمناطق والحجم، ونخطّط الإنتاج على أساسها.
مدونات صوتية بالعربية التونسية
تسجيلات صوتية مقرونة بنصوص مدقّقة يدويًا — الإنتاج قائم في تونس اليوم، وتُنفَّذ تغطية الجزائر والمغرب وليبيا عبر حملات جمع عند الطلب. يضم كل تسجيل صوت ناطق أصلي ونصًا مصحّحًا بشريًا وبيانات المتحدث ووسوم اللهجة الإقليمية.
مجموعات الوسوم اللغوية
يشتغل واسمونا على رصيد من 2,028,674 جملة بالدارجة التونسية والمغربية مجمّعة من مدوّنات عمومية بترخيص مفتوح. ما نرخّصه لكم هو طبقة الوسوم المنتَجة فوقه — المشاعر وفئة اللهجة والنية والموضوع وأنماط التناوب اللغوي — تُحدَّد بإجماع عدة واسمين بحدّ أدنى للاتفاق 66٪. يبقى النص المصدر تحت ترخيصه الأصلي، أما الوسوم فهي ملكنا. كما يمكننا وسم نصوصكم الخاصة.
واجهة برمجة التعرف على الكلام
واجهة برمجية لتحويل الكلام إلى نص صُمّمت خصيصًا للهجات العربية في شمال أفريقيا. النماذج مستضافة ذاتيًا ويُعاد تدريبها باستمرار على تصحيحات المتحدثين المدقّقة.
curl -X POST https://api.derjadata.com/v1/transcribe \ -H 'Authorization: Bearer djk_your_key' \ -F 'audio=@recording.m4a' \ -F 'language=ar-TN'
أزواج النقل الحرفي
مجموعة بيانات فريدة مزدوجة الكتابة تقرن نصوص الخط العربي بمقابلاتها بالعربيزي (حروف لاتينية وأرقام). مثال: "قهوة بالحليب" ↔ "9ahwa bel 7lib".
هكذا يبدو التسليم
سجل واحد بصيغة التصدير الفعلية — كل حقل معروض هنا يُرفَق بكل ساعة مسلَّمة.
{
"id": "a3f1c2e8-…",
"audio": "audio/…/2026-08/….m4a", // 192 kbit/s mono M4A
"duration_seconds": 47,
"language_code": "ar-TN",
"dialect_zone": "sahel",
"region": "Sousse", // GPS-verified
"transcription_corrected": "نحب نشري كرهبة مستعملة",
"transcription_arabizi": "n7eb nechri karhba mesta3mla",
"script_mode": "both",
"speaker": { "gender": "f", "age_band": "25-34", "consent_ref": "c-2026-…" },
"qa": { "status": "approved", "reviewer_verdict": "approved", "trust_score": 96 },
"provenance": { "correction_keystrokes": 41, "edit_distance": 6, "watermark": "wm-…" }
}سجل توضيحي بقيم افتراضية. تُتاح حزمة العيّنة الكاملة (صوت وبيان) مجانًا عند الطلب — ولا يُنشر الصوت علنًا في أي حال، احترامًا لموافقة المتحدثين.
منتجات بيانات إضافية
بيانات ضبط نماذج اللغة الكبيرة
أمثلة تعليمية منسّقة لضبط نماذج اللغة على العربية الدارجة
بيانات تدريب تحويل النص إلى كلام
أزواج صوت ونص مهيّأة لتوليف الكلام
تحديد اللهجة
تصنيف متعدد الدول بتسميات مرجعية موثّقة
بيانات التناوب اللغوي
أنماط المزج بين العربية والفرنسية والإيطالية موسومة مسبقًا
التعرف على الكيانات المسماة
أسماء الأعلام والأماكن والمنظمات في سياقات الدارجة
التعرف على المشاعر
تسميات مشاعر صوتية مبنية على وسوم المشاعر النصية
بيانات تفضيل RLHF
أزواج مقبولة ومرفوضة لتدريب المحاذاة
أزواج الترجمة الآلية
مدونات متوازية: دارجة↔فصحى ودارجة↔فرنسية
خدمات وسم البيانات
فريقنا المدرَّب يتولى وسم بياناتكم الخاصة — والتسعير حسب المهمة
التسليم والتنسيقات
أخبرونا بما تريدون تدريبه.
حدّدوا اللغة والمجال والحجم، ونوافيكم بالتوفر وعيّنة بيانات وعرض سعر. ويبدأ جمع البيانات عند الطلب عادةً في غضون أسابيع.