Loading datasets...
Task: N/A
Release Date: 9/15/2026
Format: WAV, MP4, EAF, MD, CSV
Size: 3.88 GB
This collection contains nineteen life histories and family narratives recorded in January 2019 during Amahuaca fieldwork. Each recording consists of an extended monologue or interview in which speakers discuss their biographies, including childhood, marriage, children, migration, and future plans. The collection also includes several structured sociolinguistic profile interviews. All materials include synchronized WAV audio and MP4 video, with transcription, normalized text, and free Spanish translation time-aligned in ELAN. 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: Life Stories. 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]
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
Recorded life histories in Amahuaca with synchronised audio and video, including structured sociolinguistic profiles. Intended for research on language shift, for multimodal communication research including gesture, and for revitalisation planning.
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
Diecinueve historias de vida y relatos familiares grabados en enero de 2019 durante una campaña de trabajo de campo amahuaca. Cada grabación es un monólogo o una entrevista larga en la que el hablante recorre su biografía: infancia, matrimonio, hijos, desplazamientos, proyectos. Se incluyen varias «fichas personales», entrevistas estructuradas de perfil sociolingüístico.
Todo el material tiene audio WAV y video MP4 sincronizados, con transcripción, texto normalizado y traducción libre al castellano alineados en ELAN.
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). Historias de vida y familia 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:
19 grabaciones · 2.89 h de audio · video MP4 · 19 archivos ELAN · 4.63 GB
Temas: vida, familia, ficha personal, ancianos y matrimonios, planes, Lima, vida previa.
Las fechas están codificadas en el nombre original con el formato DDMMAA (por ejemplo
070119 = 7 de enero de 2019). El nombre nuevo conserva solo el año; la fecha exacta se
puede recuperar del metadata.csv y de los archivos originales.
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, S10, S11, S12, S14, S16, S19, S21, S23
Créditos. Esta colección fue posible gracias a la participación de Alcira Piño, Estela, Leonor, Lucho, Marina, Reina, Rosa, 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) |
La Licencia Chana permite sin trámite la investigación, la docencia y la revitalización lingüística. El uso comercial y el entrenamiento de modelos requieren autorización escrita.
Etiquetas recomendadas (Local Contexts): TK Attribution, TK Verified.
Consentimiento: ✅ todas las grabaciones de esta colección cuentan con autorización de los hablantes (declarado por el donante, agosto de 2026). Conservar los formularios firmados junto al depósito y declararlos en el datasheet de MDC.
Ver LICENCIA_CHANA.md para los términos y 00_LICENCIAS_Y_ACCESO.md para el esquema de acceso.
