Add provenance-checked spoken French training corpus

[PyYoshi]

概要

• 既存validation専用pilotを維持し、固定revisionのupstream trainを別profileで取り込む
• 元1387文のうち録音ID欠落27文、validationと同じ録音38文を明示recipeで隔離し、rawを保持
• 残る32録音1322文をtrainingに固定。既存validationのsplit・本文は変更しない
• source hash/origin/sentence IDのcross-split重複を拒否してから出力
• CC BY-SA 4.0の出典・notice・抽出条件を保存。toolはMIT、生成modelの配布条件は未決定

検証

• corpus 49 tests、source acquisition 39 tests成功
• UTF-8/cp1252 64 variants全件strict往復成功、別出力への取込/生成の全byte一致
• training32 + validation16の1128 pairでchar5近似候補0（独立性の証明ではない）
• Ruff E/F、git diff --check

原文/生成modelはGit管理外。test・音声の取得、model再学習、holdout予測、P01再開は行っていない。