Common Voice Scripted Speech 24.0 - Western Highland Purepecha

[Western Highland Purepecha] — Western Highland Purepecha (pua)

Esta ficha técnica corresponde a la versión 24.0 del conjunto de datos de voz guiada de Mozilla Common Voice para Western Highland Purepecha (pua). El conjunto de datos contiene 8180 clips reprentando 11.17 horas de grabaciones (10.29 horas validadas) de 9 hablantes.

Idioma

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.

Edad

Información de edad autodeclarada, el porcentaje se refiere al número de clips anotados con este rango de edad.

Partición de datos para modelado

Las particiones de datos oficiales para el modelado de esta lengua son las siguientes. De los clips validados, 29.13% están incluidos en las particiones.

Corpus de texto

El corpus textual contiene 2200 oraciones, de las cuales 2201 están validadas, -1 están invalidadas y 1 son reportadas.

Sistema de escritura

Tabla de símbolos

Muestra

A continuación se muestran cinco oraciones seleccionadas aleatoriamente del corpus.

Juchiti pirentsï nirasti kʼeri iretarhu miyuni.
¿Chiini ampe xani jorhentperanhasïni?
Ima chʼawaka énka Pedru pʼikuka xarakata pʼikunhasïnti.
Xarhinichani kanekwa tsʼïrakwarhisïnti.
Énka warhiti ma ikiani jawaka no jarhasti para itsukwa intskuni charhaku jempani.

Muestras automáticas aleatorias

Juchiti pirentsï nirasti kʼeri iretarhu miyuni.
¿Chiini ampe xani jorhentperanhasïni?
Ima chʼawaka énka Pedru pʼikuka xarakata pʼikunhasïnti.
Xarhinichani kanekwa tsʼïrakwarhisïnti.
Énka warhiti ma ikiani jawaka no jarhasti para itsukwa intskuni charhaku jempani.

Muestras automáticas aleatorias

Juchiti pirentsï nirasti kʼeri iretarhu miyuni.
¿Chiini ampe xani jorhentperanhasïni?
Ima chʼawaka énka Pedru pʼikuka xarakata pʼikunhasïnti.
Xarhinichani kanekwa tsʼïrakwarhisïnti.
Énka warhiti ma ikiani jawaka no jarhasti para itsukwa intskuni charhaku jempani.

Muestras automáticas aleatorias

Juchiti pirentsï nirasti kʼeri iretarhu miyuni.
¿Chiini ampe xani jorhentperanhasïni?
Ima chʼawaka énka Pedru pʼikuka xarakata pʼikunhasïnti.
Xarhinichani kanekwa tsʼïrakwarhisïnti.
Énka warhiti ma ikiani jawaka no jarhasti para itsukwa intskuni charhaku jempani.

Fuentes

Dominios textuales

Procesamiento

Postprocesamiento recomendado

Campos

Cada fila de un archivo tsv representa un solo clip de audio, y contiene la siguiente información:

• client_id - UUID hasheado de cierto usuario

• path - ruta relativa al archivo de audio

• text - presunta transcripción del audio

• up_votes - número de personas que dijeron que el audio concordaba con el texto

• down_votes - número de personas que dijeron que el audio no concordaba con el texto

• age - edad de los hablantes1

• gender - genero de los hablantes1

• accent - acénto de los hablantes1

• segment - si la oración pertenece a una porción personalizada de un dataset, será listada aquí

¡Involúcrate!

Enlaces comunitarios

• Traductores de Common Voice en Pontoon

Discusiones

Contribuir

• Hablar

• Escribir

• Escuchar

• Revisar

Agradecimientos

Autores de la ficha técnica

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.

Footnotes

1. Para una lista completa de opciones de edades, generos, y acéntos, ver la especificación demográfica. Esta será reportada únicamente si el hablante aceptó proporcionar dicha información. ↩ ↩2 ↩3