Loading datasets...
Task: N/A
Release Date: 9/15/2026
Format: WAV, M4V, MP4, EAF, PDF, DOCX, XLSX, MD, CSV
Size: 7.13 GB
This collection contains nineteen football matches with live commentary in Shipibo-Konibo, recorded during the 2018 Mundialito. It constitutes an unusual corpus of spontaneous, fast-paced sports commentary in a colloquial, multi-speaker setting, including Shipibo–Spanish code-switching. With 10,393 ELAN annotations, it is the most densely annotated collection in the dataset. Each match includes synchronized MP4 video and WAV audio, together with transcription, normalized text, and Spanish translation. The corpus was updated in 2026 and includes supplementary analytical materials: an article on football commentary in Shipibo, a 2025 list of Shipibo morphemes and abbreviations, and a spreadsheet containing the corpus index. The main commentators are Alberto Renjifo Cauper, Dante Sánchez, and Elder Vásquez, with occasional contributions from other speakers identified by anonymized codes. The recordings were made in Yarinacocha, Ucayali, Peru, in 2018. Guillaume Oisel and Roberto Zariquiey Biondi were responsible for the documentation process, including the 2026 corpus update.
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). [Collection title]. 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.
Forbidden Usage
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]
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
Live football commentary in Shipibo-Konibo: spontaneous, fast, colloquial, multi-voiced speech with Shipibo–Spanish code-switching. Intended as a demanding benchmark for evaluating multilingual speech recognition, for research on a contemporary register that documentary corpora rarely capture, and as engaging non-ceremonial material for bilingual teaching in Ucayali.
1. Donante — Roberto Zariquiey Biondi, PUCP, [email protected]
2. Lengua — Shipibo-Konibo · ISO 639-3 shp · familia pano
3. Otras denominaciones — Shipibo, Chipeo, Shipibo-Conibo
4. Descripción general
Diecinueve partidos de fútbol narrados en vivo, en shipibo-konibo, durante el Mundialito de 2018. Es un corpus poco común y de gran interés: narración deportiva espontánea, rápida, en registro coloquial y a varias voces, con alternancia código shipibo–castellano.
Con 10 393 anotaciones en ELAN, es la colección más densamente anotada del conjunto. Cada partido tiene video MP4 y audio WAV sincronizados, más transcripción, texto normalizado y traducción al castellano.
El corpus se actualizó en 2026 y viene acompañado de material de análisis: un artículo sobre cómo se comenta un partido de fútbol en shipibo, una lista de morfemas y abreviaciones del shipibo (2025), y una hoja de cálculo con el índice del corpus.
5. Participantes — narración de Alberto Renjifo Cauper, Dante Sánchez y Elder Vásquez, con intervenciones puntuales de otros hablantes identificados por código. Equipo de investigación: Guillaume Oisel y Roberto Zariquiey.
6. Lugar y fecha — Yarinacocha (Ucayali, Perú), 2018
7. Documentación — Guillaume Oisel y Roberto Zariquiey Biondi, responsables del proceso completo, incluida la actualización del corpus en 2026
9. Citación
Zariquiey, Roberto (donante). Mundialito 2018: narración deportiva en shipibo-konibo. Archivo Digital de Lenguas Peruanas. Lima, PUCP.
10. Ortografía
Inventario consonántico del shipibo-konibo y su correspondencia ortográfica. Los fonemas van entre barras y los alófonos entre corchetes; la grafía, entre ‹ ›.
| Labial | Alveolar | Post-alveolar | Retrofleja | Palatal | Velar | Glotal | |
|---|---|---|---|---|---|---|---|
| Oclusiva | /p/ | /t/ | /k/ | [ʔ] ‹'› | |||
| Africada | /ts/ | /tʃ/ ‹ch› | [ɖʐ] ‹r› | ||||
| Fricativa | /β/ ‹b› | /s/ | /ʃ/ ‹sh› | /ʂ/ ‹x› | [x], [xʰ] ‹j› | /h/ ‹j› | |
| Nasal | /m/ | /n/ | |||||
| Aproximante | /w/ | /ɻ/ ‹r› | /j/ ‹y› |
Dos grafías cubren más de un sonido: ‹r› representa tanto la africada retrofleja [ɖʐ] como la aproximante [ɻ], en distribución alofónica; y ‹j› cubre las realizaciones velares [x] y [xʰ] junto al fonema glotal /h/. Conviene tenerlo en cuenta al hacer búsquedas sobre las transcripciones.
Ver también documentacion/ para la lista de morfemas y abreviaciones del shipibo (2025).
19 partidos · 3.22 h de audio · 3.22 h de video · 20 archivos ELAN · 6 documentos · 7.87 GB
El torneo se grabó en Yarinacocha, provincia de Coronel Portillo, región Ucayali, en 2018. La narración corrió a cargo de tres comentaristas principales, que se turnan a lo largo de los 19 partidos, con intervenciones puntuales de otros hablantes.
Esta colección es una excepción al régimen general de seudonimización. Los tres comentaristas principales narraron un torneo público ante su comunidad; su voz ya era pública y lo que dicen es crónica deportiva, no habla privada. Aparecen por tanto con nombre, para que su trabajo pueda citarse:
| Código en los nombres de archivo | Narrador |
|---|---|
S01 | Alberto Renjifo Cauper |
S02 | Dante Sánchez |
S04 | Elder Vásquez |
En los tiers de los ELAN aparecen directamente con su nombre completo. En los nombres de
archivo se mantiene el código corto porque muchas grabaciones tienen dos o tres narradores y
el nombre completo los haría inmanejables: shp_mund_006_S01-S02-S04_partido-14.wav.
Las voces ocasionales que intervienen en algunos partidos —S03, S05, S06, S07, S08,
S09, S10— sí se mantienen seudonimizadas.
Créditos. Esta colección fue posible gracias a la narración de Alberto Renjifo Cauper, Dante Sánchez y Elder Vásquez, y a la participación de Glorioso, Pedro, Wicler y Yaka.
Los nombres se listan como reconocimiento colectivo y no se vinculan a grabaciones ni a códigos concretos. La correspondencia entre nombre y código se conserva fuera del depósito público.
Nivel 1 — Acceso abierto
| Licencia | Licencia Chana — ver LICENCIA_CHANA.md |
| Acceso en MDC | Descarga directa, sin solicitud previa |
| Uso académico, docente y de revitalización | Permitido con atribución |
| Uso comercial | Requiere autorización previa y por escrito |
| Entrenamiento de modelos de IA | Requiere autorización previa y por escrito (cláusula 5) |
No se usa Creative Commons en ninguna colección: CC BY permite el entrenamiento de modelos, no admite excepciones y es irrevocable, lo que anularía el derecho de retirada. Este nivel de acceso se asignó porque es narración deportiva pública, sin contenido personal sensible, y su valor para investigación en voz espontánea es alto.
Ver LICENCIA_CHANA.md para los términos y 00_LICENCIAS_Y_ACCESO.md para el esquema de acceso.
