Common Voice Scripted Speech 26.0 - French of France

Common Voice Scripted Speech 26 - French of France

This dataset was created by filtering the train, dev, and test files from the v26 French Mozilla Common Voice Scripted Speech dataset with the following conditions:

• the value of the up_votes field is a number greater than 0.

• the value of the down_votes field is 0.

• the value of the accents column is one of the following:

   {' accent de Paris, articulation claire',
    'Accent de Bourgogne',
    'Accent de Paris, de Titi parisien, plutôt agressif.',
    'Accent du Sud Ouest, accent plat',
    'Accent du Sud-Ouest',
    'Accent du Sud-Ouest de la France',
    'Accent du sud ouest Hautes Pyrénées ',
    'Accent du sud-ouest ayant voyagé ',
    'Accent modéré de Marseille.',
    'Accent parisien',
    'Alsacien',
    'Angevins',
    'Assez standard accent de la Rochelle (é ouvert) ',
    'Avec un leger accent de " l\'est" originaire de franche-comté',
    'Banlieue parisienne',
    'Béarnais',
    'Franc Comtois',
    'Francais de  france avec des intonations haut-savoyars',
    'Francais du 94',
    'France-accent parisien',
    'Franche-Comté',
    'Français avec accent toulousain',
    "Français d'Alsace",
    'Français de Bretagne',
    'Français de France, non marqué par une langue régionale ',
    'Français de Franche-Comté',
    'Français de Marseille ',
    'Français de Métropole',
    'Français de Normandie',
    'Français de Paris',
    'Français de Provence',
    'Français de Toulouse',
    "Français de l'est de la France",
    "Français de l'ouest de la France",
    'Français de la banlieue parisienne ',
    'Français de région parisienne',
    'Français du Béarn',
    'Français du Sud Ouest',
    'Français du Sud Ouest de la France',
    'Français du Sud-Ouest',
    'Français du Sud-Ouest de la France',
    'Français du nord de la France',
    'Français du sud de France',
    'Français du sud de la France',
    'Français parisien',
    'Français tourrangeau',
    "J'ai un accent neutre en même temps je viens du sud-ouest de la France.",
    'Lorrain',
    'Lyonnais',
    'Léger accent du Sud Est de la France, sur certains mots.',
    'Léger accent du midi (surtout sur les voyelles)',
    'Légèrement alsacien',
    'Maine et Loire',
    'Marseillais ! ',
    'Marseille',
    "Mon accent est du centre de la France, berceau de l'accent de la langue du pays. ",
    'Montpellier ',
    'Moselle/Alsace française',
    'Normand de France',
    'Parisian',
    'Parisien',
    'Parisien Classique',
    'Savoie',
    'Standard avec parfois un accent du sud de la Fance',
    'Sud Ouest',
    'Sud de la France',
    'Sud ouest de la france',
    'Sud-Ouest',
    'Toulousain',
    'Toulousain moderé',
    'Un léger accent du midi',
    "accent d'un assidu lecteur natif des Vosges",
    'accent du sud de la France, toulousain',
    'accent du sud de la france',
    "accent du sud-ouest de la France,qui possède aussi une langue nomée'le Béarnais'.",
    "accent français d'une personne vivant dans le sud de la France depuis plusieurs années",
    'accent gascon',
    'accent marseillais',
    'accent parisien modéré',
    'ayant grandi proche de Paris, mon accent est très peu marqué. toutefois je parle moins vite et articulé plus qu’un parisien.',
    'bassin toulousain',
    'du sud de la france région occitanie',
    'franc-comtois',
    'français de Haute Savoie ',
    'léger accent du nord de la Bourgogne',
    'nantais',
    'paris',
    "un résidu d'accent de Moselle-Est",
    'Île de France',
    'île-de-France'}

The resulting dataset includes 5,086 clips in the training set, 271 clips in the dev set, and 133 clips in the test set, totaling approximately 7 hours and 46 minutes of audio.

Data format

The dataset follows the Mozilla Common Voice format: The clips directory contains all of the .mp3 files, and there is a separate tsv file for each data partition, containing the following fields:

• client_id

• path

• sentence_id

• sentence

• sentence_domain

• up_votes

• down_votes

• age

• gender

• accents

• variant

• localesegment

Gender

Age