Loading datasets...
License:
CC0-1.0
Steward:
Common VoiceDataset ID:
cmflnn48256eo886c1dbbe2dz
Release Date: 9/15/2025
Format: MP3
Size: 197.87 MB
Share
A collection of scripted spoken phrases in Huautla Mazatec.
Restrictions/Special Constraints
You agree that you will not re-host or re-share this dataset
Forbidden Usage
You agree not to attempt to determine the identity of speakers in the Common Voice dataset
Intended Use
This dataset is intended to be used for training and evaluating automatic speech recognition (ASR) models. It may also be used for applications relating to computer-aided language learning (CALL) and language or heritage revitalisation.
Esta ficha técnica corresponde a la versión 23.0 del conjunto de datos de voz guiada de Mozilla Common Voice para Huautla Mazatec (mau). El conjunto de datos contiene 11 horas de grabaciones (11 horas validadas) de 7 hablantes.
El mazateco (ÉNNÁ) pertenece a la familia Otomangue y sub familia popoloca mazateca, esta lengua se habla los estados de Puebla, Veracruz y principalmente en el estado de Oaxaca donde se ubican la mayor parte de la población mazateca, ahí podemos encontrar, Mazateco Occidental, Mazateco Mazatlán, Mazateco del centro, Mazateco centro oriental, Mazateco Ayautla, Mazateco Chiquihuitlán, Mazateco de Jalapa, Mazateco de Ixcatlán y Mazateco de Soyaltepec. En este articulo encontraras Mazateco del centro que comprenden los municipios de Santa María Chilchotla, Huautla de Jiménez, San José Tenango, Santa María la Asunción y San Miguel Huautapec, pero específicamente el trabajo esta centrado en la variante de la localidad de Puerto Buenavista perteneciente al municipio de San José Tenango, es decir, Mazateco del centro. La división política que se menciona en este texto se extrajo del libro Norma para la escritura del mazateco.
El conjunto de datos incluye la siguiente distribución de edad y género.
Información de género autodeclarada, el porcentaje se refiere al número de clips anotados con este género.
| Género | Porcentaje |
|---|---|
| Undefined | 65.0% |
| Female Feminine | 35.0% |
Información de edad autodeclarada, el porcentaje se refiere al número de clips anotados con este rango de edad.
| Rango de edad | Porcentaje |
|---|---|
| Twenties | 21.0% |
| Thirties | 43.0% |
| Fourties | 36.0% |
El cuerpo del trabajo o las oraciones fueron escritas por el propio autor refiriéndose a situaciones de la vida cotidiana en el campo, en la casa, en el trabajo y en todas la actividades que se viven a diario en la comunidad.
En este trabajo se respeto el sistema de escritura de la Norma de escritura del idioma mazateco.
b ch f j k l m n ñ r s t ts x y nd ng nds nch mb jm jn jñ tj kj tsj jm jn jñ tj kj tsj chj sj jm jn jñ tj kj tsj chj sj jnd jng ntj nkj ntsj nchj
A continuación se muestran cinco oraciones seleccionadas aleatoriamente del corpus.
Nijin titjuñá
¿Jmé xi macheén?
Chitu ndí ntsjin í.
Ntjo ngajin nandá.
Naxín tijnakjare tii.
Muestras automáticas aleatorias
Jngu stsá tsakʼiere tii ngajín liji.
¿Ndiyá ʼñu lojo tjín?
Ñú kjín kjí nutsé nga kjinkʼa.
Xka yá nimá sʼejin yojojá.
Je tibʼé xuʼnda na.
Propia
Todo el corpus fue basado en vivencias de la vida diaria en el campo, la casa y en el trabajo que se realiza en una comunidad.
Qué tipo de procesamiento le recomendarías a una persona que quiere usar estos datos?
Jesús Méndez García garciajesusm28@gmail.com María Agustina Méndez García Divina Cecilia Méndez García Gladis González Jiménez Diego Orestes Méndez García
Este conjunto de datos se publica bajo la licencia Creative Commons Zero (CC-0). Al descargar estos datos usted acepta no determinar la identidad de los hablantes en el conjunto de datos.