14360 dialogues bilingues et 68.5 h de parole synthétique, pour entraîner un modèle parole à parole qui décide d'appeler un outil, lit son résultat et répond à voix haute, en français comme en anglais.

Deux vues du même corpus :

Les briques audio (ci-dessous) : un clip par tour, écoutable dans le visualiseur, avec son texte, sa voix et son taux d'erreur de ré-écoute.
Les dialogues (dataset/*.jsonl) : la conversation entière — tours utilisateur, appels d'outils, résultats, réponses parlées — au format d'entraînement, avec les chemins vers les clips.

Briques audio

Brique	Rôle	Clips	Heures	Voix
`A_assistant_speech/`	réponses parlées de l'assistant, français et anglais	23510	21.79	`fr_female`
`D_english/`	réponses parlées de l'assistant, part anglaise	4673	5.88	`fr_female`
`B_user_voxtral/`	tours des visiteurs (entrée du modèle)	30030	27.48	`casual_female`, `casual_male`, `cheerful_female`, `fr_female` …
`B_user_synth/`	tours des visiteurs, première vague	78	0.13	`neutral_female`
`E_long_form/`	phrases longues lues (rappel de rendu entrelacé)	2041	4.79	`fr_female`
`A_stock/`	dialogues lus, même voix, repris d'un corpus public	4500	8.44	`fr_female`

Dialogues

Fichier	Dialogues	Appels d'outils	Heures assistant	Heures utilisateur
`dataset/dialogues_v1_fr.jsonl`	499	0	0.97	1.03
`dataset/dialogues_v1_en.jsonl`	196	0	0.45	0.46
`dataset/dialogues_v2_fr.jsonl`	5261	0	12.70	12.56
`dataset/dialogues_v2_en.jsonl`	1376	0	2.14	2.22
`dataset/toolcalling_fr.jsonl`	2500	1770	3.18	2.55
`dataset/toolcalling_en.jsonl`	2729	2029	0.55	3.37
`dataset/reception_fr.jsonl`	910	1561	3.26	2.10
`dataset/reception_en.jsonl`	889	1566	3.50	2.48

Chaque dialogue déclare les outils qui lui sont proposés (tools) et le prompt système du service. Les définitions d'outils sont dans dataset/tool_definitions.json, le schéma JSON dans dataset/schema.json, et les mêmes dialogues au format « scénario » dans dataset/scenarios/.

Charger

from datasets import load_dataset

# Une brique audio : clips jouables, texte, voix, WER de vérification
clips = load_dataset("Rcarvalo/lfm25-fr-corpus-v1", "A_assistant_speech", split="train")
print(clips[0]["audio"], clips[0]["text"])

# Les dialogues complets (structure, outils, résultats)
dialogues = load_dataset("Rcarvalo/lfm25-fr-corpus-v1", "reception_fr", split="train")
print(dialogues[0]["turns"])

Les chemins audio d'un dialogue sont relatifs à la racine du dépôt (A_assistant_speech/audio/3f/xxx.wav) : snapshot_download du dépôt met tout au bon endroit.

Comment il a été fabriqué

Texte. Les conversations sont écrites par Claude Sonnet 5. Pour le corpus réceptionniste, seules les répliques parlées sont écrites par le modèle : les appels d'outils, leurs résultats, l'annuaire fictif, les mots de passe et leur épellation sont produits par du code, à partir de squelettes tirés d'une graine. Le même squelette donne la version française et la version anglaise, pour qu'un écart entre les deux langues soit imputable à la langue.

Parole. Voxtral-4B-TTS. L'assistant a une identité unique (fr_female) dans les deux langues ; les visiteurs tournent sur les presets natifs de leur langue (un preset hors de sa langue la déforme, mesuré et écarté).

Vérification. Chaque clip est ré-écouté par Whisper large-v3-turbo et comparé à son texte en forme parlée (nombres, titres, abréviations développés des deux côtés). Un clip est gardé si son taux d'erreur mot est sous 0,15 ou son taux d'erreur caractère sous 0,10. Les deux taux sont dans le manifeste, donc un filtrage plus strict est possible sans rien resynthétiser. Les refus sont conservés dans dropped.jsonl avec ce que Whisper a entendu.

Ce qui est tenu à l'écart. Le jeu de mesure n'est pas dans ce dépôt : ses dialogues sont générés avec une autre graine et retirés de tous les fichiers d'entraînement.

Licence et usage

Les voix viennent de Voxtral-TTS, sous clause non commerciale : le corpus et tout modèle entraîné dessus en héritent. Les noms, adresses e-mail, mots de passe et documents sont fictifs et varient d'un dialogue à l'autre, par construction : un modèle entraîné sur une valeur fixe la récite au lieu de lire le champ que l'outil retourne.

Schéma commun d'un dialogue (v2, 06/09/2026)

Une ligne JSONL = un dialogue complet. Le schéma est avet.datasets.dialogue.Dialogue (pydantic, extra="forbid" sur les tours) ; schema.json en est l'export JSON Schema.

{"id": "g3-fr-000042", "system": "…", "tools": ["find_employee", "notify_employee_via_teams"],
 "meta": {"lang": "fr", "expected_lang": "fr", "family": "chain_notify", "kind": "student_fr", "source": "scenario"},
 "turns": [
   {"role": "user", "text": "Bonjour, j'ai rendez-vous avec Sophie Bernard.", "audio": "B_user_synth/audio/g3-fr-000042_t0.wav", "voice": "fr_male"},
   {"role": "assistant", "tool_calls": [{"name": "find_employee", "arguments": {"name": "Sophie Bernard"}}]},
   {"role": "tool", "content": {"found": true, "name": "Sophie Bernard", "email": "…", "needs_confirmation": false}},
   {"role": "assistant", "text": ""},
   {"role": "assistant", "text": "C'est noté, j'ai prévenu Sophie Bernard.", "audio": "A_assistant_speech/audio/3f/g3-fr-000042_t4.wav", "voice": "fr_female"}]}

Les tours

Tour	Forme	Audio	À l'entraînement
utilisateur	`role: user`, `text` = transcription, `audio` facultatif	oui (Kokoro, presets Voxtral, parole réelle)	`AudioSegment` en entrée
appel d'outil	`role: assistant`, `tool_calls: [{name, arguments}]`, jamais de texte ni d'audio	non	`TextSegment` (protocole LFM2 rendu par le code)
résultat	`role: tool`, `content` = charge complète ; un tour par appel	non	`TextSegment` non supervisé
décision vide	`role: assistant`, `text: ""`, rien d'autre	non	`<\|im_start\|>assistant\n<\|im_end\|>`, `<\|im_end\|>` supervisé
réponse parlée	`role: assistant`, `text`, `audio`	oui (voix unique `fr_female`)	`InterleavedSegment(text, audio)`

Le tour de décision vide dit « aucun outil nécessaire » là où l'inférence interroge toujours le modèle avant de parler. Convention : un texte absent est une erreur, un texte vide est une décision. Les fichiers exportés ne contiennent PAS ces tours : lfm2-preprocess-sft --decision-turns les insère avant chaque réponse parlée qui n'en a pas, pour toutes les sources d'un même entraînement ou pour aucune. Le jumeau au format scénario (scenarios/) les contient explicitement ("type": "no_call").

Champs de tête

tools : les outils déclarés pour ce dialogue, variables d'un dialogue à l'autre. Les définitions (nom, description, paramètres) sont dans tool_definitions.json ; lfm2-preprocess-sft --tools-from-dialogue n'injecte dans le prompt système que celles du dialogue. Une liste vide = tout le catalogue.
system : le prompt d'entraînement, identique au prompt de service ; jamais deviné.
meta : lang (fr, en, cs pour le code-switch), expected_lang, family (F1…F6 ou famille de génération), kind (route de sonorisation : student_fr → A, student_en → D), source, generator. Extensible.
audio : chemin relatif à la racine du dépôt corpus, pris du manifeste de la brique (certains clips sont dans des sous-dossiers shardés). voice : preset ou locuteur.
lang par tour : seulement quand la langue du tour diffère de celle du dialogue.

Identifiants de clip

<id du dialogue>_t<index du tour> (brick_audio.clip_id). Les briques nomment leurs clips ainsi, et lfm2-attach-brick-audio refait la jonction. Ne jamais insérer ni retirer de tour avant la jonction : l'index changerait.

Briques audio (racine du dépôt)

Brique	Contenu	Voix
`A_assistant_speech/`	réponses assistant FR des dialogues et du tool calling FR, vérifiées par ré-écoute	`fr_female` Voxtral
`D_english/`	réponses assistant EN	`fr_female` Voxtral
`E_long_form/`	2 041 phrases longues Wikipédia FR (rappel TTS entrelacé)	`fr_female` Voxtral
`A_stock/`	14 295 clips du dépôt `french-dialogue-tts-1000h` (25,8 h), même voix	`fr_female`
`B_user_synth/`	tours utilisateur synthétiques FR (dialogues code-switch)	presets
`B_user_speech/`	9 654 clips de parole réelle FR (manifeste ; audio dans `baptistefrancois1/s2s-fr-finetuning`)	901 locuteurs

Chaque brique a manifest.jsonl (id, audio, text, lang, duration_s, role, speaker, source, voxtral_wer, voxtral_cer) et dropped.jsonl (les refus de la ré-écoute, avec ce que Whisper a entendu). Rappel TTS entrelacé : chaque entrée de manifeste se mappe en system("Perform TTS interleaved") + user(text) → assistant(interleaved(text, audio)).

Vérification d'un clip

Ré-écoute Whisper, comparaison en forme parlée (nombres, titres, abréviations) au mot et au caractère : gardé si WER ≤ 0,15 ou CER ≤ 0,10 (data_prep/clip_verification.py). Les deux taux sont dans le manifeste ; on peut resserrer sans GPU.

Outils de la passerelle

lfm2-import-scenarios --scenarios … --system @prompt : scénario → dialogue ; --export : inverse.
lfm2-attach-brick-audio --dialogues … --manifest <brique>/manifest.jsonl : jonction.
lfm2-preprocess-sft --decision-turns --tools-from-dialogue : pack pour l'entraînement.
lfm2-export-corpus --out … --push : régénère ce dossier.

Downloads last month: 835

Total file size:

18.9 GB