basma-sn/coclico-darija-resources

# CoCLiCo Darija Resources Ce dépôt rassemble les scripts développés dans le cadre d'un stage de Master 2 consacré à la constitution de ressources phonétiques et lexicales pour l'arabe marocain (darija) au sein du projet **CoCLiCo**, ainsi que les scripts associés à une étude acoustique exploratoire de l'emphase. Cette version du dépôt est destinée principalement à documenter les méthodes et les traitements présentés dans le mémoire. ## Structure ```text coclico-darija-resources/ ├── README.md ├── .gitignore ├── scripts/ │ ├── praat/ │ │ ├── 01_extraire_occurrences_emphatiques.praat │ │ ├── 02_extraire_occurrences_non_emphatiques.praat │ │ └── 03_extraire_F1_F2_50pct.praat │ └── python/ │ ├── corpus/ │ │ └── 01_compter_occurrences_phonemes.py │ └── dictionary/ │ ├── 01_extraire_mots_texte.py │ ├── 02_extraire_vocabulaire_sentences_doda.py │ ├── 03_generer_dictionnaire_xsampa.py │ ├── 04_fusionner_dictionnaires.py │ └── 05_supprimer_doublons.py └── docs/ ├── methodologie_analyse_acoustique.md └── structure_csv.md ``` ## Scripts Praat Les scripts Praat servent à repérer les contextes emphatiques et non emphatiques dans le tier `phonemes` des TextGrid et à extraire les mesures de F1 et F2 au milieu temporel des voyelles retenues. Les consonnes emphatiques prises en compte sont `/tˤ dˤ sˤ zˤ rˤ lˤ/`, avec `/t d s z r l/` comme contreparties non emphatiques. La présélection repose sur l'adjacence segmentale dans le tier phonémique. Les occurrences sont ensuite vérifiées manuellement pour confirmer l'appartenance de la consonne et de la voyelle au même domaine syllabique. Pour l'extraction acoustique, les mesures sont prises à 50 % de la durée vocalique avec la méthode de Burg. Les paramètres utilisés dans l'étude sont documentés dans `docs/methodologie_analyse_acoustique.md`. ## Scripts Python ### Corpus `01_compter_occurrences_phonemes.py` compte les occurrences des phonème …