Loading datasets...
Task: N/A
Release Date: 9/15/2026
Format: WAV, MD, CSV
Size: 4.64 GB
This collection contains twenty-four lexical elicitation recordings covering nine linguistic varieties, collected during fieldwork in 2016. Each recording consists of a complete elicitation session in which a speaker works through the entire word list, with sessions ranging from 1 to 51 minutes. With 7.35 hours of audio, this collection contains the largest amount of recorded speech in the dataset and is the only one covering multiple languages and varieties. Its primary value lies in comparative research: the same elicitation instrument was applied to eight Western Panoan varieties—Amahuaca, Kashinawa, Sharanahua, Marinawa, Mastanawa, Chaninawa, Yaminahua, and Nawa—providing unusually controlled data for studying lexical and phonological variation across Amazonian languages. The inclusion of Kulina (Madija), an Arawan rather than Panoan language, provides an external point of comparison that may help distinguish patterns resulting from genetic inheritance from those associated with areal contact. The collection is currently unannotated and contains no ELAN or Praat TextGrid files. Segmentation and transcription therefore represent important opportunities for further development of the resource. Participants are identified using anonymized speaker codes. The research team consisted of Roberto Zariquiey, Alonso Vásquez-Aguilar, and Gabriela Tello.
Licensing
Licencia Chana 2.0 — Licence for Peruvian Indigenous Language Documentation Collections
https://github.com/rzariquiey/licencia-chanaRestrictions/Special Constraints
This dataset is released under the Licencia Chana 2.0, not under a Creative Commons licence. Download is direct and unrestricted, but use is subject to the following terms.
PERMITTED WITHOUT FURTHER AUTHORISATION
REQUIRES PRIOR WRITTEN AUTHORISATION FROM THE DONOR
ATTRIBUTION Cite as: Zariquiey, Roberto (donor).Pano: Comparative Word Lists. Archivo Digital de Lenguas Peruanas, Pontificia Universidad Católica del Perú, Lima.
RIGHT OF WITHDRAWAL Speakers retain the right to withdraw their recordings from this collection at any time. This is the principal reason a Creative Commons licence was not used: CC licences are irrevocable and cannot accommodate this commitment.
Contact for authorisations: [email protected]
Forbidden Usage
Ethical Review
All recordings in this collection were made with the informed consent of the speakers, obtained in the field at the time of recording. Signed consent forms are held by the donor at the Pontificia Universidad Católica del Perú and are available to the MDC team on request. Speakers are identified by code (S01, S02...) rather than by name, in file names, in the annotation tiers of the ELAN files, and in all accompanying documentation. Contributors are acknowledged collectively in each collection's documentation, without linking any name to any specific recording or code. A small number of individuals appear under their own names because they asked to be credited as authors of the material; this is stated explicitly in the documentation of the collections concerned. Material judged sensitive was withheld from deposit entirely rather than published under restriction. Collections involving funerary practice, medicinal knowledge, ritual knowledge, or extended life histories of identifiable individuals are published under restricted access with individual review of each request. One point remains open and is declared here rather than glossed over: the consent forms signed before approximately 2020 do not mention the use of recordings for training artificial intelligence models. They cannot reasonably be read as covering it. The communities have not yet been consulted on this specific question. Until that consultation takes place, production model training is not authorised, and the licence reflects this.
Intended Use
The same elicitation instrument applied to nine varieties, eight Western Panoan plus Kulina (Arawan) as an external control, allowing genetic inheritance to be separated from areal contact. Four of the varieties have no ISO code of their own and are effectively invisible in language data infrastructure. The collection is unannotated: segmenting and transcribing these 7.35 hours would be the highest-yield work available on this material, and publishing it openly is an invitation to that work.
1. Donante — Roberto Zariquiey Biondi, PUCP, [email protected]
2. Lenguas y códigos ISO 639-3
| Variedad | Grabaciones | ISO | Nota |
|---|---|---|---|
| amawaka | 3 | amc | Amahuaca. Misma lengua que las colecciones 11–13 |
| kashinawa | 1 | cbs | Cashinahua. Misma lengua que la colección 16 |
| sharanawa | 3 | mcd | Sharanahua |
| marinawa | 4 | mcd | Variedad de sharanahua |
| mastanawa | 3 | mcd | Variedad de sharanahua |
| chaninawa | 1 | mcd | Variedad de sharanahua, sin código ISO propio |
| yaminawa | 2 | yaa | Yaminahua |
| nawa | 5 | yaa | Variedad de yaminahua |
| kulina | 2 | cul | Kulina o madija, familia arawá. Única no pano de la colección |
3. Descripción general
Veinticuatro grabaciones de elicitación léxica en nueve variedades, recogidas en la campaña de 2016. Cada archivo es una sesión completa en la que el hablante recorre la lista entera, de entre 1 y 51 minutos. Con 7.35 horas de audio, es la colección con más minutos de habla del conjunto y la única que cubre varias lenguas a la vez.
Su valor está en la comparación: el mismo instrumento aplicado a ocho variedades del pano occidental permite estudiar la variación léxica y fonológica con un control poco frecuente en lenguas amazónicas. La inclusión del kulina —arawá, no pano— aporta además un punto de contraste externo, útil para separar herencia genética de contacto areal.
Es la colección sin anotar: no hay ELAN ni TextGrid. Segmentarla y transcribirla sería el trabajo de mayor rendimiento sobre este material.
5. Participantes — hablantes identificados con código; ver la sección «Participantes y seudonimización» más abajo. Equipo de investigación: Roberto Zariquiey, Alonso Vásquez y Gabriela Tello.
6. Grabación — Pucallpa (Ucayali, Perú), campaña de 2016. Las veinticuatro sesiones se grabaron en Pucallpa, con hablantes de las nueve variedades reunidos allí; ninguna se recogió en la comunidad de origen de cada variedad.
7. Transcripción — no existe todavía.
9. Citación
Zariquiey, Roberto (donante). Listas léxicas comparativas pano occidental. Archivo Digital de Lenguas Peruanas. Lima, PUCP.
10. Ortografía
Esta colección no tiene transcripciones, de modo que no hay todavía una ortografía en uso: las 24 grabaciones son audio sin anotar.
Cuando se transcriba, la referencia para todas las variedades será la ortografía del sharanahua. Es la opción coherente con la composición de la colección: sharanahua propiamente dicho más sus variedades marinawa, mastanawa y chaninawa suman 11 de las 24 grabaciones, y el resto —amawaka, kashinawa, nawa, yaminawa— son lenguas pano occidentales con inventarios próximos.
⚠️ Quien transcriba debe documentar las divergencias que encuentre respecto de esa referencia, sobre todo en el kulina, que no es pano sino arawá y cuyo inventario no tiene por qué ajustarse a una convención pano.
24 sesiones · 7.35 h de audio · sin anotación
Material retirado de la colección. Dos archivos se excluyeron por decisión del donante:
| Archivo original | Motivo |
|---|---|
xuxunawa/xuxunawa.wav | 47 min. El xuxunawa no tiene código ISO y no se le asignó variedad de referencia |
amawaka/animal.XX.wav | Archivo vacío: 0 bytes, 0 segundos |
Ambos siguen en los originales del disco y en el respaldo.
Sobre los códigos asignados. Cuatro variedades —marinawa, mastanawa, chaninawa y nawa— no
tienen código ISO propio y se publican bajo el código de la lengua de la que son variedad,
mcd o yaa según el caso. Queda documentado en la tabla del punto 2 para que quien use el
material sepa que la etiqueta ISO agrupa formas de habla distintas.
Los hablantes no se identifican por nombre. En esta colección el nombre de archivo indica la
variedad, no la persona: pano_lexcomp_016_nawa.wav.
⚠️ Pendiente antes de publicar: la identidad de los hablantes por grabación.
Nota sobre el lugar. Todas las sesiones se grabaron en Pucallpa. Conviene tenerlo en cuenta al usar el material comparativamente: los hablantes de las nueve variedades fueron registrados en un mismo centro urbano y no en sus comunidades, de modo que las condiciones de grabación son homogéneas —una ventaja para la comparación— pero el habla registrada puede reflejar situaciones de contacto propias de Pucallpa.
Nivel 1 — Descarga directa
| Licencia | Licencia Chana — ver LICENCIA_CHANA.md |
| Acceso en MDC | Descarga directa, sin solicitud previa |
| Uso académico, docente y de revitalización | Permitido con atribución |
| Evaluación de modelos | Permitida con atribución |
| Experimentos académicos de ML | Permitidos si el modelo no va a producción ni se distribuye |
| Uso comercial y entrenamiento de producción | Requieren autorización previa y por escrito |
Ver LICENCIA_CHANA.md para los términos y 00_LICENCIAS_Y_ACCESO.md para el esquema de acceso.
Note on machine learning: this is not a blanket prohibition on ML research. Evaluating and benchmarking existing models on this data is permitted, and so is non-production academic experimentation, provided the model is not deployed, the weights are not released, and the results cite the collection. What requires authorisation is production training and weight release. The reason is that the consent forms signed before approximately 2020 do not mention AI training and cannot reasonably be read as covering it; the communities have not yet been consulted on this point.
Contact for authorisations: [email protected]
