Hugging Face's logo

Datasets:
nilc-nlp
/
NURC-SP_ENTOA_TTS

Tasks:
Text-to-Speech
Languages:
Portuguese
License:
Dataset card Files
xet
Community
1
Dataset Viewer
Auto-converted to Parquet
audio_name
stringclasses
267 values
file_path
audioduration (s)
0.04
29.5
text
stringlengths
1
464
⌀
start_time
float64
0.14
5.9k
end_time
float64
3.03
5.9k
duration
float64
0.04
29.5
quality
stringclasses
2 values
speech_genre
stringclasses
3 values
speech_style
stringclasses
1 value
variety
stringclasses
1 value
accent
stringclasses
1 value
sex
stringclasses
4 values
age_range
stringclasses
8 values
num_speakers
stringclasses
5 values
speaker_id
float64
0
3
⌀
SP_D2_393
Meus pais, graças a Deus, me deram muita liberdade também. Eh
3,010.38
3,014.1
3.72
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
Perguntar?
3,023.86
3,024.74
0.88
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
O pessoal está aprendendo a cozinhar com com óleo vegetal, óleo de de de algodão, de de amendoim.
5,162.3
5,169.78
7.48
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_342
Fora essa brincadeira de ser locutor assim, vocês dois nunca tiveram assim brincadeira simulando profissões? Fora essa sua de ser locutor
789.836
800.002
10.166
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
0
SP_D2_342
E, através dessa disponibilidade, o cidadão pode avançar um pouco eh a descoberto, né? Quer dizer, dinheiro que ele não tem, mas que o banco cobre, né? Oferece.
2,976.77
2,987.86
11.09
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_342
já vinte e cinco anos atrás, o Citroën, que era um carrinho pequeno, um Prefect, quem possuía desses carros era
870.651
877.357
6.706
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Então, a ele muda a tonalidade da cor.
3,671.58
3,674.31
2.73
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_342
toda questão de bens. É só se fazer um um crediário, ãh o que o se indivíduo precisa para pedir para ter um crediário numa determinada firma
1,085.53
1,098.7
13.17
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
0
SP_D2_015
Bom, com estrumo de vaca também. Quer dizer o o
2,269.22
2,272.16
2.94
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Não.
4,870.39
4,870.81
0.42
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_342
A faculdade aí vai ter uma outra finalidade, talvez com um aproveitamento até muito maior para o estudante, porque naquela faixa etária
323.603
332.95
9.347
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
Se ele for bem maduro, é então não ele não sai leite.
4,874.13
4,878.11
3.98
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
Eu rolava e gritava, e os filhos gritavam.
4,477.27
4,479.27
2
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
Todo mundo seguia uma norma, eu um cumprimentava o outro, tinha aquela norma certa de cumprimentar, quer dizer, entende? E
1,109.9
1,117.22
7.32
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Pelo menos os armazéns ou supermercados, tem muitos produtos que podem vender, mais caro, que eu não sei os preços.
4,528.95
4,535.61
6.66
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Bom, inicialmente vamos falar alguma coisa sobre a cultura do café, que é um aspecto bastante importante na economia nossa, do estado de São Paulo.
5.57
17.914
12.344
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
o o pé de café, é ele tem, vamos dizer, é o sumato, o adulto, é muito grande, é o defeito do sumato.
3,545.47
3,553.17
7.7
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Corta com uma gilete.
1,055.86
1,056.8
0.94
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
dá um gosto desagradável de café do Rio de Janeiro, que a gente conhece, Vale-Paraíba et cetera.
3,416.99
3,422.11
5.12
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_136
restringindo a refrigerantes no domingo, éh sem gelo inclusive, para evitar problemas aí de, éh eventualmente, ensejar uma dessas molestias que estão assustando todos, né?
765.164
777.448
12.284
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
Eu saí da faculdade ali na... Liberdade, né?
2,348.04
2,353.97
5.93
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Embora todo esse regime inflacionário que vivemos e todas essas queixas e tal, a verdade é que a a condição de vida hoje do cidadão médio é bem superior, né?
1,037.83
1,049.31
11.48
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
E ele cospe o café, ele não bebe, porque senão ele morre do estômago em quinze
3,380.69
3,383.85
3.16
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_342
Talvez o passaporte, né? É...
3,458.28
3,462.67
4.39
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
Quando começou a desenvolver mesmo ãh essa nova técnica de plantio, que era para substituir pés e talhões defeituosos, o talhão, então na unidade, é o quarteirão vamos dizer de café, o talhão e o caminho chama de carreador, que é o nome habitual.
732.768
751.153
18.385
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Porque aí passa a ser dois grãos.
3,068.25
3,069.55
1.3
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
sujava  areia.
995.893
997.614
1.721
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
adversário é não deixar colocar a bolinha no box. Então, à medida que você vai avançando de box, você vai caminhando para
1,816.42
1,824
7.58
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Então, o que a a a técnica era a seguinte, se se fazia o a marcação das das curvas de nível, então existia profissionais, existia um nível que era um
2,013.06
2,024.19
11.13
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
Porque eu estudo uma ciência exata, assim, engenharia, tem que ter tudo perfeito.
599.328
604.313
4.985
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Ele tinha afundado... Tinha dado um estouro no encanamento e afundado
2,296.27
2,299.9
3.63
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_136
Tanto a mulher como o homem? Hum é
2,185.86
2,189.99
4.13
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
0
SP_D2_342
Naquela época é mais ou menos cem dólares, sabe?
4,154.14
4,156.54
2.4
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
Certo, mas o o o leitãozinho,  é quer dizer, a porca da cria na maternidade, se chama maternidade mesmo, é um local reservado um local limpo et cetera, ali a porca um pouco antes de criar é presa dentro do do... Senão os outros comem o o o porquinho, né?
5,103.23
5,120.54
17.31
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
Eu moro na na mesma rua que morei quando tinha lá, deixa eu ver, trinta e dois, tinha lá uns cinco anos de idade, né?
2,751.72
2,761.49
9.77
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
Porque eu era tipo assim, vamos dizer assim, germânico, né?
584.734
587.756
3.022
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
O que vocês gostam mais?
4,617.84
4,619.24
1.4
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
a terra e para é é uniformi, porque a lavagem serve para duas coisas.
3,257.01
3,262.45
5.44
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
O plantio em renque.
2,069.9
2,071.12
1.22
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
Né, um bonde aberto ali, você pendurado aqui ou ali, sem proteção nenhuma.
2,117.84
2,123.12
5.28
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Se usa a mula.
1,738.58
1,740.44
1.86
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
reagir, vamos chegando até lá.
1,089.9
1,092.72
2.82
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
E essa casa de moedas antigas, que não é que não é casa de câmbio, ela ela então é que estava fazendo essa operação.
4,479.25
4,486.45
7.2
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_393
Então, sem ninguém me recomendar, eu percebi que tinha que voltar para o esporte, porque eu sempre pratiquei esporte.
3,180.62
3,187.57
6.95
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_136
Quer dizer, a a a chamada máquina com formas agressivas, eu acho que é um tipo de estética mais para o jovem, né? A
1,536.18
1,544.83
8.65
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
E depois como é que eles calculam o que eles vão
3,034.97
3,036.85
1.88
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
0
SP_D2_015
O vermelho deu o nome cereja, surgiu o nome cereja, porque realmente parece é uma cereja pequena, né.
2,539.48
2,545.73
6.25
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_136
Né? Eu... As minhas roupas para para ocasiões sociais são roupas escuras, né, éh gravatas éh não muito coloridas e
2,807.59
2,821.26
13.67
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_136
roupas azuis ou um xadrez escuro com com gravata azul, vermelha, branca, coisa desse
2,777.37
2,784.11
6.74
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Principalmente porque eu fui fazer a faculdade de Direito, depois de já militar muito tempo no funcionalismo, eh desenvolvendo atividades ligadas ao direito administrativo.
212.86
224.067
11.207
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_342
Porque é uma boa aplicação de capital, né?
2,877.41
2,879.69
2.28
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_136
tailleur, que hoje não é muito usado, eu acho que é uma um dos trajos mais...
2,540.38
2,545.25
4.87
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
O administrador que é o, e tem o ajudante .  O administrador é aquele que se encarrega de administrar o pessoal, distribuir as tarefas e se encarrega de ficalizar, de fiscalização.
2,312.95
2,326.41
13.46
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_015
Isso.
2,844.13
2,844.45
0.32
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_342
cento e quarenta à vista, comprando por duzentos a prazo.
2,324.53
2,327.71
3.18
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Italianos, espanhóis e portugueses. O o o
543.453
545.974
2.521
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_342
Com microfone, ou aquele repórter de campo dando informações, et cetera.
680.958
685.999
5.041
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_342
É para lá do lado de Jáçanã.
2,403.64
2,404.76
1.12
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_136
Bem, quanto à ceia de Natal ahn, a nossa praxe é prepararmos um peru e uma parte do peru é servida na noite antecede o Natal. Éh
1,358
1,369.99
11.99
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
metade era para o almoço, metade era para o jantar
922.619
925.601
2.982
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
sete mil.
1,468.85
1,469.57
0.72
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_136
Eu acho muito bonito o veludo azul.
2,905.86
2,907.9
2.04
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Como é que ele cuida do umbigo do piseiro?
2,264.62
2,269.22
4.6
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
É o burro mais burro de todos, né. É
1,653.18
1,656.18
3
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
Então, eu noto, assim, que primeiro tinha poucas casas, a gente conhecia os vizinhos, conhecia até intimidade dos vizinhos, né, conhecia, assim, detalhes.
2,763.04
2,771.8
8.76
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
Então bora, né?
31.083
33.465
2.382
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
2
SP_D2_393
debutante eh
1,432.58
1,433.96
1.38
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Se colhe verde porque se deixar amadurecer, os passarinhos comem antes, né?
4,893.32
4,898.23
4.91
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_015
onde se reprendia o gado durante a noite com a função de aproveitar a matéria orgânica do gado e se colocava capim.
1,419.89
1,427.07
7.18
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
só para poder bordar um pouco, pode? Pode. Eu sempre gostei de bordar um pouco assim, só que às vezes não pode bordar com uma criança porque a criança não entende, mas
13.265
21.629
8.364
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_136
Eu acho que também vison ou qualquer tipo de de casaco de pele, é profundamente dispoente, profundamente exorbitante, né? Éh
2,579.74
2,592.23
12.49
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Ele ele empreitava, ele plantava, o, derrubava o mato, arava, plantava café e nos intestícios da cultura de café plantava milho, arroz, enfim, para a subsistência dele. E
603.457
617.428
13.971
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_136
que o dia, na mesa em que eu estava sentado, um dos colegas disse que não comia a salada por causa do problema de hepatite, né, do surto de hepatite que graça em São Paulo.
575.537
587.543
12.006
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Depois da colheita, o fazendeiro tem, por contrato, ele tem que exigir que ele volte e faça o repasse de toda a fazenda.
2,817.94
2,823.96
6.02
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
Porque e e ela faz várias curvas, e e a rua não termina normalmente uma baixada, ela tem uma subida.
1,508.96
1,516.38
7.42
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Basta estar vivo ou basta ser vivo?
2,729.78
2,732.38
2.6
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_136
Que, afinal de contas, o homem deve ser éh sempre, constantemente, éh de certa forma, ahn estimulado.
1,703.26
1,711.6
8.34
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
havia praticamente uma monocultura total por interesse econômico.
317.548
322.589
5.041
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
Que folha? É
3,651.04
3,652.48
1.44
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_015
que servia para o para tração, ali eram presas as correntes de tração.
1,826.44
1,830.82
4.38
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_342
Agora, esse tipo de mercadoria, quer dizer, nós, o cidadão comum, não pode não pode fazer essa compra e venda de
4,418.75
4,426.67
7.92
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
Aí ele começa a ficar preto, ele começa a secar.
2,545.73
2,550.11
4.38
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_393
E eu recordo que até fato gozado, a a diretora do estabelecimento em que eu me formei, eh posteriormente teve uma uma grande amizade comigo me considero como filho dela e ela minha mãe. Eh
970.085
984.596
14.511
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Primeiro dia que eu cheguei em Manaus, eu vi por mil e mil e duzentos, parece.
4,102.91
4,107.57
4.66
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_342
Para eles interessa muito mais vender a crédito do que
2,874.45
2,877.15
2.7
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_015
Milho verde, em geral, em dezembro, né, faz quarenta graus na sombra, você toma uma sopa bem quente com um cambuquê dentro e sua que nem um cavalo.
4,937.25
4,944.55
7.3
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_342
Agora, para essas pessoas que gostam de comprar sem sem controle, então o cartão é
3,311.57
3,317.99
6.42
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_342
Mas se o cidadão não atingir isso, se ele for um bom cliente, o banco acaba concedendo a si mesmo, né? Depende muito do gerente, né?
3,062.74
3,070.66
7.92
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_393
me dar um beijo na
3,136.1
3,136.75
0.65
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_393
E eu prestei duas vezes seguidas na Politécnica e não consegui, eu ia desistir, então eu lembrei que eu tinha que ter alguma coisa para minha existência, fé em alguma coisa, tinha que ser alguma coisa
3,468.76
3,479.49
10.73
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
Agora, na frente, os outros dois burros tem o burro da rédea, que é o burro, esse que é o da direção.
1,656.18
1,662.46
6.28
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
SP_D2_136
E um dos itens que se perguntava na na pesquisa era
1,742.03
1,745.4
3.37
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
lembro de um humorista um humorista da minha época, o Zé Fidelis, que hoje nem hoje nem sei se se ainda trabalha, mas ele dizia que o grande sonho dele quando criança era ser
815.067
825.931
10.864
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_342
Agora, o di o difícil, o que eu acho aí, que talvez esteja um pouco errado,
1,806.95
1,814.09
7.14
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_136
né? Inclusive nós estamos na época da alcachofra agora, a minha mulher quase que duas vezes por semana tem que ter. .
299.484
305.811
6.327
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
É
3,925.23
3,926.61
1.38
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
3
SP_D2_136
É, eu acho que deveria ser objeto, assim, de de um... talvez até de um de um programa educativo com o cunho de orientar as pessoas sobre o conteúdo nutritivo de cada ingrediente daqueles que que compõem a feijoada, né?
429.888
448.036
18.148
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_342
Então eu usava o cartão, porque geralmente despesa de automóvel é muito grande, né?
3,227.69
3,231.97
4.28
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
1
SP_D2_136
Quanto a fazer ginástica, um item que você a abordou, éh eu acho que toda mulher deveria deveria se preocupar em cuidar desse aspecto e fazer ginástica, porque se tem uma
1,922.89
1,933.33
10.44
low
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
2
1
SP_D2_015
A coalheira era uma espécie de um colarinho.
1,821.82
1,824.27
2.45
high
dialogue
spontaneous speech
pt-br
sp-city
M e M
II e II
3
2
End of preview. Expand in Data Studio

How to Load the Dataset

There are 4 configurations: "prosodic", "automatic", "audioCorpus" and test. To load the dataset with the HuggingFace datasets library, use the following code: 

prosodic = load_dataset("nilc-nlp/NURC-SP_ENTOA_TTS", name="prosodic")
automatic = load_dataset("nilc-nlp/NURC-SP_ENTOA_TTS", name = "automatic")
audioCorpus = load_dataset("nilc-nlp/NURC-SP_ENTOA_TTS", name = "audioCorpus")
test = load_dataset("nilc-nlp/NURC-SP_ENTOA_TTS", name="test")

Parameters of each configuration

Prosodic Parameters

  • path: The path to the audio file.
  • name: The name of the original audio.
  • speaker: The speaker in the segment (each different speaker in the original source was given an integer id). This field was automatically writter by WhisperX, so it might not be accurate.
  • start_time: The time the audio segment starts in the original source in seconds.
  • end_time: The time the audio segment ends in the original source in seconds.
  • normalized_text: The human-made trancription without prosodic markings for the given audio.
  • text: The human-made trancription with prosodic markings for the given audio.
  • duration: The duration of the audio segment in seconds.
  • type: The type of the audio according to the original NURC-SP classification.
  • year: The year the audio was recorded
  • gender: he speaker's sex. Divided into 'F', 'M', 'F e F', 'F e M' and 'M e M' ('F' stands for female and 'M' stands for male). Note that some audio sources have more than one speaker, so in that case the sex refers to the main speaker or speakers.
  • age_range: The speaker's age range. Divided into 'I' (25 to 35), 'II' (36 to 55) and 'III' (over 55). Note that some audio sources have more than one speaker, so in that case the age range refers to the main speaker or speakers.
  • total_duration: The duration of the original audio in minutes.
  • quality: The human-determined quality of the audio
  • theme: The theme of the speech.
  • audio: The audio data of the segment.

Automatic Parameters

  • path: The path to the audio file.
  • name: The name of the original audio.
  • speaker: The speaker in the segment (each different speaker in the original source was given an integer id). This field was automatically writter by WhisperX, so it might not be accurate.
  • start_time: The time the audio segment starts in the original source in seconds.
  • end_time: The time the audio segment ends in the original source in seconds.
  • text: The automatic trancription for the given audio.
  • duration: The duration of the audio segment in seconds.
  • audio: The audio data of the segment.

AudioCorpus Parameters

  • audio_name: The name given to the audio in the database. All audios extracted from the same source have the same name.
  • file_path: The path to the audio file.
  • text: The human-verified trancription for the given audio.
  • start_time: The time the audio segment starts in the original source in seconds.
  • end_time: The time the audio segment ends in the original source in seconds.
  • duration: The duration of the audio segment in seconds.
  • quality: Whether or not the audio had parts that could not be transcribed properly. Audios without this characteristic are rated 'high' and audios with it are rated 'low'.
  • speech_genre: The speech genre of the original source of the segment. Divided into 'dialogue', 'interview' or 'lecture and talks'.
  • speech_style: The speech style of the original source of the segment. All segments are categorized as 'spontaneous speech'.
  • variety: The audio language. All segments are categorized as 'pt-br'.
  • accent: The speaker's accent. All segments are categorized as 'sp-city'. Note that some audio sources have more than one speaker, so in that case the accent refers to the main speaker or speakers.
  • sex: The speaker's sex. Divided into 'F', 'M', 'F e F', 'F e M' and 'M e M' ('F' stands for female and 'M' stands for male). Note that some audio sources have more than one speaker, so in that case the sex refers to the main speaker or speakers.
  • age_range: The speaker's age range. Divided into 'I' (25 to 35), 'II' (36 to 55) and 'III' (over 55). Note that some audio sources have more than one speaker, so in that case the age range refers to the main speaker or speakers.
  • num_speakers: The number of speakers in the original source of the segment. This field was automatically writter by WhisperX, so it might not be accurate.
  • speaker_id: The speaker in the segment (each different speaker in the original source was given an integer id). This field was automatically writter by WhisperX, so it might not be accurate.

Test Parameters

  • path: The path to the audio file.
  • name: The name of the original audio.
  • speaker: The speaker in the segment (each different speaker in the original source was given an integer id). This field was automatically writter by WhisperX, so it might not be accurate.
  • start_time: The time the audio segment starts in the original source in seconds.
  • end_time: The time the audio segment ends in the original source in seconds.
  • text: The automatic trancription for the given audio.
  • duration: The duration of the audio segment in seconds * 16000 (sampling rate).
  • audio: The audio data of the segment.
Downloads last month
18
Size of downloaded dataset files:
4.24 GB
Size of the auto-converted Parquet files:
4.24 GB
Number of rows:
24,873