Loading datasets...
Task: N/A
Release Date: 9/15/2026
Format: WAV, MP4, EAF, MD, CSV
Size: 4.46 GB
This collection contains eighteen recordings from January 2019, constituting the largest portion of the Amahuaca corpus. It brings together discourse genres that fall outside biography and technical description, including traditional narratives such as stories, legends, riddles, and the narrative of oma; three accounts of the history of the Amahuaca people, including one with commentary in Spanish; free conversations and unscripted recordings of spontaneous speech; and metadiscursive materials addressing the Amahuaca language itself, encounters with missionaries, an anecdote, and a commented reading session of a book. The spontaneous speech materials are particularly valuable for acoustic modeling. The recordings were made in Atalaya and the Native Communities of San Juan and San Martín, Ucayali, Peru. Documentation was carried out by Pilar Valenzuela, Candy Angulo, and Roberto Zariquiey Biondi.
Licensing
Licencia Chana 2.0 — Licence for Peruvian Indigenous Language Documentation Collections
https://github.com/rzariquiey/licencia-chanaRestrictions/Special Constraints
ACCESS IS GRANTED ON REQUEST. Requesters must identify themselves and state their institutional affiliation. The donor reviews and approves or declines each request individually.
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). Amahuaca: Narratives and Conversations. Mozilla Data Collective.
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
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]
Intended Use
Amahuaca traditional narrative, three independent versions of the history of the Amahuaca people, free unscripted conversation, and metalinguistic reflection by speakers on their own language. Intended for discourse research, for acoustic modelling from unscripted multi-party speech, and for the public record of language shift.
1. Donante — Roberto Zariquiey Biondi, PUCP, [email protected]
2. Lengua — Amahuaca · ISO 639-3 amc · familia pano
3. Otras denominaciones — Amawaka, Amaguaco, Ameuhaque
4. Descripción general
Dieciocho grabaciones de enero de 2019, la parte más extensa del corpus amahuaca. Reúne los géneros discursivos que no son ni biografía ni descripción técnica:
5. Participantes — hablantes identificados con código (S01, S02…); ver la sección
«Participantes y seudonimización» más abajo. Equipo de investigación: Pilar Valenzuela,
Candy Angulo, Roberto Zariquiey.
6. Lugar y fecha — Atalaya y comunidades nativas de San Juan y San Martín (Ucayali, Perú), enero de 2019
7. Documentación — Pilar Valenzuela, Candy Angulo y Roberto Zariquiey Biondi
9. Citación
Zariquiey, Roberto (donante). Narrativas y conversaciones amahuaca. Archivo Digital de Lenguas Peruanas. Lima, PUCP.
10. Ortografía
Inventario fonológico del amahuaca y su correspondencia ortográfica.
Consonantes
| Fonema | Grafema | Fonema | Grafema | Fonema | Grafema |
|---|---|---|---|---|---|
| /p/ | ‹p› | /ɾ/ | ‹r› | /ʃ/ | ‹sh› |
| /t/ | ‹t› | /t͡s/ | ‹ts› | /h/ | ‹j› |
| /k/ | ‹k› | /t͡ʃ/ | ‹ch› | /j/ | ‹y› |
| /ʔ/ | ‹h› | /s/ ~ /s̪/ | ‹z› | /w/ | ‹v› |
| /m/ | ‹m› | ||||
| /n/ | ‹n› |
Vocales
| Fonema | Grafema |
|---|---|
| /i/ | ‹i› |
| /ɨ/ | ‹u› |
| /a/ | ‹a› |
| /u̜/ | ‹o› |
⚠️ La ortografía amahuaca se aparta bastante de las convenciones castellanas. Conviene tenerlo presente al leer o buscar sobre las transcripciones:
18 grabaciones · video MP4 · 18 archivos ELAN
(4 grabaciones excluidas — ver Notas. Las cifras de duración y tamaño se recalculan al
generar metadata.csv.)
Material excluido de esta colección. Cuatro grabaciones se retiraron y se conservan en
RESERVA_NO_PUBLICAR/, fuera de las 20 colecciones y sin subir a MDC:
| Grabación | Motivo |
|---|---|
CMP_juicio_040419 | sesión de juicio: conflicto real, personas identificables |
CMP_RRF_juicio1_040419 | sesión de juicio |
CMP_RRF_juicio2_040419 | sesión de juicio |
P.NC-matanza.mestizos-2013 | relato de un hecho violento con implicados identificables |
Si más adelante se obtiene respaldo explícito de la comunidad, pueden incorporarse como nivel 3 sin rehacer nada: conservan su nombre sistemático y su documentación.
Los hablantes aparecen con código, no con nombre, tanto en los nombres de archivo como en los tiers de los ELAN. Códigos usados en esta colección:
S01, S02, S03, S05, S06, S07, S08, S11, S13, S14, S16, S17, S18, S29
Créditos. Esta colección fue posible gracias a la participación de Alcira Piño, Leonor, Marina, Maximo, Reina, Rosa, Shermelí, Wilson.
Los nombres se listan como reconocimiento colectivo y no se vinculan a grabaciones ni a códigos concretos.
Nivel 2 — Acceso previa solicitud
| Licencia | Licencia Chana — ver LICENCIA_CHANA.md |
| Acceso en MDC | Gateado: quien descarga debe solicitar acceso e identificarse; el donante aprueba o rechaza cada solicitud |
| Uso académico, docente y de revitalización | Permitido con atribución |
| Uso comercial | Requiere autorización previa y por escrito |
| Entrenamiento de modelos de IA | Requiere autorización expresa y por escrito (cláusula 5) |
Esta colección estaba propuesta como nivel 3 por el contenido de los juicios. Al excluirlos, el material restante —cuentos, leyendas, adivinanzas, historia del pueblo, conversación libre, reflexión sobre la lengua— es equiparable al del resto de colecciones narrativas y baja a nivel 2.
Etiquetas recomendadas (Local Contexts): TK Attribution, TK Verified.
Consentimiento: ✅ todas las grabaciones cuentan con autorización de los hablantes (declarado por el donante, agosto de 2026).
Ver LICENCIA_CHANA.md para los términos y 00_LICENCIAS_Y_ACCESO.md para el esquema de acceso.
