Common Voice Scripted Speech 26.0 - Brazilian Portuguese

Common Voice Scripted Speech 26 - Brazilian Portuguese

This dataset was created by filtering the train, dev, and test files from the v26 Portuguese 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:

{Sulmatogrossense,
Paraense,
Interior,
Sou paraense, e por consequência, falo algumas palavras com um tom de chiado, como a própria palavra "chiado" seria escrito "xiado", acho que entendeu.,
Carioca,
Paulista,
sotaque paraíbano,
South of Brazil Accent,
Paranaense, mesclado com Rondoniense,
Região Sul do Brasil,
baiano,
Sotaque Potiguar, da capital do Rio Grande do Norte (Natal),
Seridoense,
Gaucho,
Sotaque brasiliense,
Mineiro, Belo Horizontino,
São Paulo SP,
Manezinho (Florianópolis - SC),
paulista com enfase no "R",
Gaúcho, Rio Grande do Sul, Porto Alegre,
RJ,
Nordeste,
Brazilian,
Brasiliense,
Maranhão ,
brasileiro baixada santista,
Oi! tudo bem com vc? Eu sou de Salvador, mas atualmente moro em Brasília. Nasci no Brasil.,
Minas,
Nordestino, Um Pouco Paulista ,
Paulista triste,
Sertanejo nordestino.,
Meu sotaque é do sul do Brasil. A entonação é mais forte e algumas consoantes como o "T" e o "E" são ditas claramente,
Alagoano,
Porto Alegre,
Caipira ,
Normal,
Sotaque da região sul do Brasil,
Uai gente.,
Sotaque Carioca,
Sotaque nordestino,
Classe média alta,
interior do estado de São Paulo,
Brazilian Portuguese,
Brasileiro,
Às vezes com fonema /rr/ no lugar de fonema /z/ final,
meu sotaque é tradicional da região sul do brasil,
Mineiro,
Rio Grande do Sul,
Nordestino,
Manauara,
Paulistano do interior,
Forte,
sotaque Petrópolis/RJ com uma baixa dicção ,
Paulistano,
Rio de Janeiro,
Mato Grosso,
tubaronense,
Sem chiado no s final,
Pai e Mãe nordestinos, possuo pouquíssimo sotaque dessa região do Brasil.,
Meu sotaque é uma mistura do baiano com o do paraense, porém ambos pouco carregados.,
Fortaleza,
Paulista do interior,
catarinense,
curitibano,
northern brazil,
centro oeste,
mineirês,
Sul de Minas,
Sulista,
nortista,
Do interior paulista,
gaúcho - interior,
Padrão,
Interiorano,
Oeste paulista,
whistled s,
RMPOA,
Sotaque brasileiro de santa catarina,
Um pouco sulista,
Sudestino,
Rio Grande do Sul (RS) Accent,
paranaense,
Sou da Região Nordeste do Brasil. Então tenho sotaque nordestino.,
Ribeirão Preto,
Meio termo entre nordestino e carioca,
Cearense,
Norte paranaense,
Noroeste,
meio sergipano meio baiano meio paulista,
Brasil, interior de São Paulo,
Minas Gerais,
Centro-oeste,
catarinense,
Brasil, São Paulo,
Português do Brasil,
native Brazillian Portuguese - city of Sao Paulo,
southern brazil accent,
arrastado,
meio egipcio,
Recifense,
Região Norte - Pará,
Cearenses,
Paulista, Carioca e Sulista,
Nativo,
Paulista Interior,
típico da região de São Paulo, de pessoas periféricas com influência da norma culta na linguagem.,
Região Metropolitana de Porto Alegre,
Brazillian,
Urbano,
Pernambucano,
Nordest,
Paulistano.,
Interior de são Paulo,
LIMPO,
Brazilian South Region,
Proveniente da região nordeste do Brasil, mais precisamente do estado da Paraíba.,
sotaque sulista,
Interior Paulista,
Interior of São Paulo,
Falante nativo, com sotaque misto do sul com nordeste brasileiro,
Gringo,
Sotaque do norte do Brasil,
Mistura,
Maranhense,
São Paulo}

The resulting dataset includes 3,762 clips in the training set, 862 clips in the dev set, and 427 clips in the test set, totaling approximately 5 hours, 57 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

Demographic breakdown

Gender

Age