Common Voice Scripted Speech 24.0 - Central Puebla Nahuatl
License:
CC0-1.0
Steward:
Common Voice
Task: ASR
Release Date: 12/5/2025
Format: MP3
Size: 231.87 MB
Share
Description
A collection of scripted spoken phrases in Central Puebla Nahuatl.
Specifics
Considerations
Forbidden Usage
It is forbidden to attempt to determine the identity of speakers in the common Voice datasets. It is forbidden to re-host or re-share this dataset
Processes
Intended Use
This dataset is intended to be used for training and evaluating automatic speech recognition (ASR) models. It may also be used for applications relating to computer-aided language learning (CALL) and language or heritage revitalisation.
Metadata
[nauatl, nawatl, mexikano] — Central Puebla Nahuatl (ncx)
Esta ficha técnica corresponde a la versión 24.0 del conjunto de datos de voz guiada de Mozilla Common Voice para Central Puebla Nahuatl (ncx). El conjunto de datos contiene 9509 clips reprentando 11.77 horas de grabaciones (10.69 horas validadas) de 41 hablantes.
Idioma
Náhuatl que se utiliza mayormente en el Centro de Veracruz y Valle de Tehuacán y alrededores, además de ser entendible en Oaxaca (norte), Morelos, Tlaxcala, Estado de México y Ciudad de México.
Variantes
Información demográfica
El conjunto de datos incluye la siguiente distribución de edad y género.
Género
Información de género autodeclarada, el porcentaje se refiere al número de clips anotados con este género.
| Género | Porcentaje |
|---|---|
| Undefined | 61.0% |
| Male Masculine | 1.0% |
| Female Feminine | 38.0% |
Edad
Información de edad autodeclarada, el porcentaje se refiere al número de clips anotados con este rango de edad.
| Rango de edad | Porcentaje |
|---|---|
| Undefined | 4.0% |
| Twenties | 15.0% |
| Thirties | 63.0% |
| Fourties | 17.0% |
Corpus de texto
Frases más bien cortas, de tres a cinco palabras en su mayoría y sacadas de contextos de socialización comunes.
Sistema de escritura
Escritura práctica, utilizando la pauta propuesta por el Instituto Lingüístico de Verano.
Tabla de símbolos
a b ch e f g i j k l m n o p r s t tl ts u x y
Muestra
A continuación se muestran cinco oraciones seleccionadas aleatoriamente del corpus. Nolti. ¿Ken nanmoestikatej? Tsinokej. ¿Kenijki nanmoyestikatej? Yope kiaui, nikeleuia se kafentsi. Yopejki kiaui, nikeleuia se kafentsi. Nimitstlasojkamatilia, moxochimauitsotsin.
Muestras automáticas aleatorias
Kuali, momauitsotsin
Panpa ne amo nechyolkokoa nimotemakas mopatka.
¿Tikmati tiajkuis?
¿Nin chikiuitl non moaxka?
¿Kanin mochan?
Fuentes
Ne noneuian Ketsaltsin, saiktlami astatl Tetlikuiti Tlasemanki onpa Chiaualpan
Dominios textuales
| Dominio | Cuenta |
|---|---|
| Undefined | 2832 |
| Finance | 212 |
| Healthcare | 212 |
| Language Fundamentals | 2047 |
| Media Entertainment | 4700 |
Procesamiento
Se siguieron pautas comunes de lenguaje cotidiano y representativo.
Postprocesamiento recomendado
Enlaces comunitarios
Discusiones
Contribuir
Autores de la ficha técnica
Luis Samuel Santiago Melchor: lssm8676969@gmail.com
Criterios de citación
Financiamiento
Este proyecto recibió financiamiento del Open Multilingual Speech Fund gestionado por Mozilla Common Voice.
Licencia
Este conjunto de datos se publica bajo la licencia Creative Commons Zero (CC-0). Al descargar estos datos usted acepta no determinar la identidad de los hablantes en el conjunto de datos.