tiny-voca-ptbr: modelo, ONNX, exemplos e avaliação
Browse files- .gitattributes +10 -0
- README.md +105 -0
- eval/report.json +1345 -0
- onnx/model.json +82 -0
- onnx/model.onnx +3 -0
- samples/demo_semfence_F_s4.wav +3 -0
- samples/demo_semfence_M_sm4.wav +3 -0
- samples/numeros_F_s4.wav +3 -0
- samples/numeros_M_sm4.wav +3 -0
- samples/outono_F_s4.wav +3 -0
- samples/outono_M_sm4.wav +3 -0
- samples/pergunta_F_s4.wav +3 -0
- samples/pergunta_M_sm4.wav +3 -0
- samples/saudacao_F_s4.wav +3 -0
- samples/saudacao_M_sm4.wav +3 -0
- tiny-voca-ptbr.pt +3 -0
.gitattributes
CHANGED
|
@@ -33,3 +33,13 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
|
|
| 33 |
*.zip filter=lfs diff=lfs merge=lfs -text
|
| 34 |
*.zst filter=lfs diff=lfs merge=lfs -text
|
| 35 |
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 33 |
*.zip filter=lfs diff=lfs merge=lfs -text
|
| 34 |
*.zst filter=lfs diff=lfs merge=lfs -text
|
| 35 |
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
| 36 |
+
samples/demo_semfence_F_s4.wav filter=lfs diff=lfs merge=lfs -text
|
| 37 |
+
samples/demo_semfence_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
|
| 38 |
+
samples/numeros_F_s4.wav filter=lfs diff=lfs merge=lfs -text
|
| 39 |
+
samples/numeros_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
|
| 40 |
+
samples/outono_F_s4.wav filter=lfs diff=lfs merge=lfs -text
|
| 41 |
+
samples/outono_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
|
| 42 |
+
samples/pergunta_F_s4.wav filter=lfs diff=lfs merge=lfs -text
|
| 43 |
+
samples/pergunta_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
|
| 44 |
+
samples/saudacao_F_s4.wav filter=lfs diff=lfs merge=lfs -text
|
| 45 |
+
samples/saudacao_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
|
README.md
ADDED
|
@@ -0,0 +1,105 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language: pt
|
| 3 |
+
license: apache-2.0
|
| 4 |
+
library_name: pytorch
|
| 5 |
+
pipeline_tag: text-to-speech
|
| 6 |
+
tags: [text-to-speech, tts, pt-br, brazilian-portuguese, onnx, webgpu]
|
| 7 |
+
datasets: [semfence/ptbr-synthetic-speech, semfence/ptbr-sentences]
|
| 8 |
+
---
|
| 9 |
+
|
| 10 |
+
# tiny-voca-ptbr
|
| 11 |
+
|
| 12 |
+
Um modelo de texto para fala em **português do Brasil (pt-BR)** com **4,5 milhões de parâmetros** (4.533.259) e duas vozes
|
| 13 |
+
sintéticas, treinado do zero. Roda em CPU, na GPU do Mac (MPS) e no navegador (WebGPU/WASM). É a receita do
|
| 14 |
+
[tiny-voca](https://github.com/n4ze3m/tiny-voca) (Muhammed Nazeem, Apache-2.0) aplicada ao português do Brasil.
|
| 15 |
+
|
| 16 |
+
> **Só pt-BR.** Não serve para português de Portugal nem para outras línguas.
|
| 17 |
+
|
| 18 |
+
**Experimente no navegador, sem instalar nada:** [semfence/tiny-voca-ptbr-demo](https://huggingface.co/spaces/semfence/tiny-voca-ptbr-demo).
|
| 19 |
+
|
| 20 |
+
Criado pela **SemFence** · pesquisador: **Gustavo Toledo**. Se usar, cite **SemFence (Gustavo Toledo)**.
|
| 21 |
+
|
| 22 |
+
## Arquivos
|
| 23 |
+
|
| 24 |
+
| Arquivo | O que é |
|
| 25 |
+
|---|---|
|
| 26 |
+
| `tiny-voca-ptbr.pt` | Checkpoint de inferência (PyTorch), passo 104.000 |
|
| 27 |
+
| `onnx/model.onnx` + `model.json` | Mesmo modelo em ONNX (21 MB, float32) e metadados (símbolos, vozes, taxa de amostragem) |
|
| 28 |
+
| `samples/` | Áudios de exemplo, voz feminina (`F_s4`) e masculina (`M_sm4`) |
|
| 29 |
+
| `eval/report.json` | Relatório completo da avaliação (WER por clipe, transcrições) |
|
| 30 |
+
|
| 31 |
+
## Uso
|
| 32 |
+
|
| 33 |
+
O código (treino, inferência, ONNX e a demo) está em [`SemFence/tiny-voca-ptbr`](https://github.com/SemFence/tiny-voca-ptbr).
|
| 34 |
+
Precisa do fonemizador [`dizione-ptbr`](https://github.com/SemFence/dizione-ptbr) (Python) ou
|
| 35 |
+
[`@semfence/dizione-ptbr`](https://github.com/SemFence/dizione-ptbr-js) (TypeScript), com saída idêntica.
|
| 36 |
+
|
| 37 |
+
```bash
|
| 38 |
+
git clone https://github.com/SemFence/tiny-voca-ptbr && cd tiny-voca-ptbr && pip install -e ".[own]"
|
| 39 |
+
python -m tiny_voca.infer --checkpoint tiny-voca-ptbr.pt --voice F_s4 \
|
| 40 |
+
--text "Olá! Este é o tiny voca em português." --output ola.wav
|
| 41 |
+
```
|
| 42 |
+
|
| 43 |
+
Opções: `--voice F_s4|M_sm4`, `--speed`, `--pitch-shift`, `--pitch-range`, `--device cpu|mps|cuda`.
|
| 44 |
+
O ONNX recebe ids de fonemas e acento e devolve o áudio (veja `export.py`). Texto longo é lido frase a frase.
|
| 45 |
+
|
| 46 |
+
## Dados de treino
|
| 47 |
+
|
| 48 |
+
Toda a fala de treino é **sintética**: [`semfence/ptbr-synthetic-speech`](https://huggingface.co/datasets/semfence/ptbr-synthetic-speech)
|
| 49 |
+
(20.442 clipes, 24,7 h, CC BY 4.0), gerada com o Chatterbox Multilingual pt-BR (MIT) a partir de duas vozes de referência
|
| 50 |
+
também sintéticas (criadas com Qwen3-TTS VoiceDesign). Nenhuma gravação de pessoa real foi usada. Os textos vêm do
|
| 51 |
+
[`semfence/ptbr-sentences`](https://huggingface.co/datasets/semfence/ptbr-sentences) (Common Voice PT, CC0, frases escritas com
|
| 52 |
+
Qwen3-8B e modelos de números, datas, valores e horas). Cada clipe passou por Whisper large-v3-turbo (erro de palavras ≤ 15%).
|
| 53 |
+
As durações dos fonemas vêm de alinhamento forçado com `facebook/wav2vec2-lv-60-espeak-cv-ft`, usado só para rotular os dados.
|
| 54 |
+
|
| 55 |
+
## Treino
|
| 56 |
+
|
| 57 |
+
104.000 passos em uma RTX 5080 alugada (~8 h, cerca de US$ 3 de GPU), receita do tiny-voca: 8.000 passos só com perdas
|
| 58 |
+
espectrais e depois perda adversarial com discriminadores. Os 55 símbolos vêm do `dizione-ptbr` (tabela só de acréscimo).
|
| 59 |
+
|
| 60 |
+
## Avaliação
|
| 61 |
+
|
| 62 |
+
Frases lidas pelo modelo a partir do texto (durações, tom e energia previstos, sem ver a gravação), transcritas pelo Whisper
|
| 63 |
+
large-v3-turbo (CPU, int8, `language=pt`). WER em frases **fora do treino**:
|
| 64 |
+
|
| 65 |
+
| Grupo | Clipes | WER | Clipes sem nenhum erro |
|
| 66 |
+
|---|---:|---:|---:|
|
| 67 |
+
| Teste do dataset (textos nunca vistos) | 96 | **0,55%** | 93,8% |
|
| 68 |
+
| Frases novas, em nenhum conjunto | 32 | **0,0%** | 100% |
|
| 69 |
+
|
| 70 |
+
Nenhum clipe passou de 20% de erro. Os poucos erros foram de grafia ("pra"/"para", "Matheus"/"Mateus") e de números
|
| 71 |
+
escritos em dígitos pelo Whisper, não de palavras trocadas. Para referência, o mesmo Whisper nas gravações do dataset para
|
| 72 |
+
os mesmos textos: 0,35% (voz feminina) e 1,63% (voz masculina), pelo controle de qualidade do dataset.
|
| 73 |
+
|
| 74 |
+
**O que isso não mostra.** São poucos clipes (128 no total, 64 por voz), o avaliador é um modelo automático e não há teste de
|
| 75 |
+
audição com pessoas. WER baixo diz que as palavras saem inteligíveis, não que a voz é natural. A qualidade do som é a do
|
| 76 |
+
tiny-voca original: o sintetizador por filtro e pulsos (25 mil parâmetros) soa mais sintético do que um vocoder neural.
|
| 77 |
+
|
| 78 |
+
### Velocidade (Apple M4)
|
| 79 |
+
|
| 80 |
+
| Onde | Tempo | Vezes o tempo real |
|
| 81 |
+
|---|---:|---:|
|
| 82 |
+
| PyTorch, CPU | ~95 ms (10,7 s de áudio) | ~113× |
|
| 83 |
+
| PyTorch, GPU do Mac (MPS) | ~65 ms (10,7 s de áudio) | ~165× |
|
| 84 |
+
| ONNX Runtime, CPU (4 threads) | ~27 ms (4,5 s de áudio) | ~164× |
|
| 85 |
+
| Navegador, WebGPU | ~0,23 s (14,9 s de áudio) | ~65× |
|
| 86 |
+
| Navegador, WASM (CPU) | ~1,8 s (14,9 s de áudio) | ~8,5× |
|
| 87 |
+
|
| 88 |
+
O ONNX tem as mesmas durações do PyTorch e diferença pequena no áudio (até 3,6% no pior caso testado, `scripts/check_onnx.py`).
|
| 89 |
+
O MPS dá o mesmo áudio da CPU (erro relativo < 0,1%). No navegador, o comprimento do áudio é idêntico ao do PyTorch.
|
| 90 |
+
|
| 91 |
+
## Limitações
|
| 92 |
+
|
| 93 |
+
- Só duas vozes fixas, sem clonagem. Só pt-BR (t/d palatalizados antes de "i", "l" final como `w`, "r" final como `x`).
|
| 94 |
+
Sotaques regionais (chiado carioca, "r" caipira) não são modelados.
|
| 95 |
+
- O fonemizador tem limites: homógrafos ("almoço", "sede") não se distinguem; nomes e palavras estrangeiras são lidos com
|
| 96 |
+
regras do português ("pix" → "pi-chi"); siglas sem vogal são soletradas. O léxico às vezes diverge da voz
|
| 97 |
+
(ex.: "ou" átono sai `o w` no léxico).
|
| 98 |
+
- Números, datas, horas e valores são normalizados por regras; telefones, URLs, algarismos romanos e unidades não.
|
| 99 |
+
- Os dados são 100% sintéticos: o modelo imita as duas vozes de referência, com os defeitos do Chatterbox (que embute marca
|
| 100 |
+
d'água Perth no áudio de treino).
|
| 101 |
+
|
| 102 |
+
## Licença
|
| 103 |
+
|
| 104 |
+
Código e pesos: Apache-2.0. Dataset: CC BY 4.0 com crédito obrigatório a **SemFence (Gustavo Toledo)**. Léxico do
|
| 105 |
+
fonemizador: CC BY 4.0 (dicionário MFA de Michael McAuliffe e Morgan Sonderegger).
|
eval/report.json
ADDED
|
@@ -0,0 +1,1345 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"checkpoint": "runs/ptbr/inference.pt",
|
| 3 |
+
"asr_model": "faster-whisper large-v3-turbo",
|
| 4 |
+
"note": "free-running synthesis, language=pt",
|
| 5 |
+
"summary": {
|
| 6 |
+
"test": {
|
| 7 |
+
"all": {
|
| 8 |
+
"clips": 96,
|
| 9 |
+
"mean_wer": 0.0055,
|
| 10 |
+
"corpus_wer": 0.0055,
|
| 11 |
+
"clips_with_wer_0": 0.938,
|
| 12 |
+
"clips_wer_over_20pct": 0
|
| 13 |
+
},
|
| 14 |
+
"F_s4": {
|
| 15 |
+
"clips": 48,
|
| 16 |
+
"mean_wer": 0.0053,
|
| 17 |
+
"corpus_wer": 0.0055,
|
| 18 |
+
"clips_with_wer_0": 0.938,
|
| 19 |
+
"clips_wer_over_20pct": 0
|
| 20 |
+
},
|
| 21 |
+
"M_sm4": {
|
| 22 |
+
"clips": 48,
|
| 23 |
+
"mean_wer": 0.0057,
|
| 24 |
+
"corpus_wer": 0.0055,
|
| 25 |
+
"clips_with_wer_0": 0.938,
|
| 26 |
+
"clips_wer_over_20pct": 0
|
| 27 |
+
}
|
| 28 |
+
},
|
| 29 |
+
"novel": {
|
| 30 |
+
"all": {
|
| 31 |
+
"clips": 32,
|
| 32 |
+
"mean_wer": 0.0,
|
| 33 |
+
"corpus_wer": 0.0,
|
| 34 |
+
"clips_with_wer_0": 1.0,
|
| 35 |
+
"clips_wer_over_20pct": 0
|
| 36 |
+
},
|
| 37 |
+
"F_s4": {
|
| 38 |
+
"clips": 16,
|
| 39 |
+
"mean_wer": 0.0,
|
| 40 |
+
"corpus_wer": 0.0,
|
| 41 |
+
"clips_with_wer_0": 1.0,
|
| 42 |
+
"clips_wer_over_20pct": 0
|
| 43 |
+
},
|
| 44 |
+
"M_sm4": {
|
| 45 |
+
"clips": 16,
|
| 46 |
+
"mean_wer": 0.0,
|
| 47 |
+
"corpus_wer": 0.0,
|
| 48 |
+
"clips_with_wer_0": 1.0,
|
| 49 |
+
"clips_wer_over_20pct": 0
|
| 50 |
+
}
|
| 51 |
+
}
|
| 52 |
+
},
|
| 53 |
+
"recordings_same_texts_dataset_qc": {
|
| 54 |
+
"F_s4": {
|
| 55 |
+
"clips": 19,
|
| 56 |
+
"mean_wer": 0.0035
|
| 57 |
+
},
|
| 58 |
+
"M_sm4": {
|
| 59 |
+
"clips": 21,
|
| 60 |
+
"mean_wer": 0.0163
|
| 61 |
+
}
|
| 62 |
+
},
|
| 63 |
+
"samples": [
|
| 64 |
+
{
|
| 65 |
+
"group": "test",
|
| 66 |
+
"category": "conversa",
|
| 67 |
+
"voice": "F_s4",
|
| 68 |
+
"text": "Cozinhar em casa é bom pra família, né?",
|
| 69 |
+
"transcript": "Cozinhar em casa é bom pra família, né?",
|
| 70 |
+
"wer": 0.0,
|
| 71 |
+
"seconds": 3.08,
|
| 72 |
+
"file": "test000_F_s4.wav"
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"group": "test",
|
| 76 |
+
"category": "conversa",
|
| 77 |
+
"voice": "M_sm4",
|
| 78 |
+
"text": "Cozinhar em casa é bom pra família, né?",
|
| 79 |
+
"transcript": "Cozinhar em casa é bom pra família, né?",
|
| 80 |
+
"wer": 0.0,
|
| 81 |
+
"seconds": 2.95,
|
| 82 |
+
"file": "test000_M_sm4.wav"
|
| 83 |
+
},
|
| 84 |
+
{
|
| 85 |
+
"group": "test",
|
| 86 |
+
"category": "data",
|
| 87 |
+
"voice": "F_s4",
|
| 88 |
+
"text": "Luana nasceu em vinte e sete de agosto de mil novecentos e oitenta e sete.",
|
| 89 |
+
"transcript": "Luana nasceu em 27 de agosto de 1987.",
|
| 90 |
+
"wer": 0.0,
|
| 91 |
+
"seconds": 5.96,
|
| 92 |
+
"file": "test001_F_s4.wav"
|
| 93 |
+
},
|
| 94 |
+
{
|
| 95 |
+
"group": "test",
|
| 96 |
+
"category": "data",
|
| 97 |
+
"voice": "M_sm4",
|
| 98 |
+
"text": "Luana nasceu em vinte e sete de agosto de mil novecentos e oitenta e sete.",
|
| 99 |
+
"transcript": "Luana nasceu em 27 de agosto de 1987.",
|
| 100 |
+
"wer": 0.0,
|
| 101 |
+
"seconds": 5.64,
|
| 102 |
+
"file": "test001_M_sm4.wav"
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"group": "test",
|
| 106 |
+
"category": "dinheiro",
|
| 107 |
+
"voice": "F_s4",
|
| 108 |
+
"text": "Diego me emprestou noventa e um reais e eu prometi devolver na domingo.",
|
| 109 |
+
"transcript": "Diego me emprestou 91 reais, e eu prometi devolver na domingo.",
|
| 110 |
+
"wer": 0.0,
|
| 111 |
+
"seconds": 5.65,
|
| 112 |
+
"file": "test002_F_s4.wav"
|
| 113 |
+
},
|
| 114 |
+
{
|
| 115 |
+
"group": "test",
|
| 116 |
+
"category": "dinheiro",
|
| 117 |
+
"voice": "M_sm4",
|
| 118 |
+
"text": "Diego me emprestou noventa e um reais e eu prometi devolver na domingo.",
|
| 119 |
+
"transcript": "Diego me emprestou 91 reais, e eu prometi devolver na domingo.",
|
| 120 |
+
"wer": 0.0,
|
| 121 |
+
"seconds": 5.25,
|
| 122 |
+
"file": "test002_M_sm4.wav"
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"group": "test",
|
| 126 |
+
"category": "exclamacao",
|
| 127 |
+
"voice": "F_s4",
|
| 128 |
+
"text": "Você viu o sol do meio-dia na praia do Leblon? Que calor!",
|
| 129 |
+
"transcript": "Você viu o sol do meio-dia na praia do Leblon? Que calor!",
|
| 130 |
+
"wer": 0.0,
|
| 131 |
+
"seconds": 4.43,
|
| 132 |
+
"file": "test003_F_s4.wav"
|
| 133 |
+
},
|
| 134 |
+
{
|
| 135 |
+
"group": "test",
|
| 136 |
+
"category": "exclamacao",
|
| 137 |
+
"voice": "M_sm4",
|
| 138 |
+
"text": "Você viu o sol do meio-dia na praia do Leblon? Que calor!",
|
| 139 |
+
"transcript": "Você viu o sol do meio-dia na praia do Leblon? Que calor!",
|
| 140 |
+
"wer": 0.0,
|
| 141 |
+
"seconds": 4.33,
|
| 142 |
+
"file": "test003_M_sm4.wav"
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"group": "test",
|
| 146 |
+
"category": "hora",
|
| 147 |
+
"voice": "F_s4",
|
| 148 |
+
"text": "Que horas são? Já são três horas e meia.",
|
| 149 |
+
"transcript": "Que horas são? Já são três horas e meia.",
|
| 150 |
+
"wer": 0.0,
|
| 151 |
+
"seconds": 3.84,
|
| 152 |
+
"file": "test004_F_s4.wav"
|
| 153 |
+
},
|
| 154 |
+
{
|
| 155 |
+
"group": "test",
|
| 156 |
+
"category": "hora",
|
| 157 |
+
"voice": "M_sm4",
|
| 158 |
+
"text": "Que horas são? Já são três horas e meia.",
|
| 159 |
+
"transcript": "Que horas são? Já são três horas e meia.",
|
| 160 |
+
"wer": 0.0,
|
| 161 |
+
"seconds": 3.61,
|
| 162 |
+
"file": "test004_M_sm4.wav"
|
| 163 |
+
},
|
| 164 |
+
{
|
| 165 |
+
"group": "test",
|
| 166 |
+
"category": "leitura",
|
| 167 |
+
"voice": "F_s4",
|
| 168 |
+
"text": "Organizar bases de dados para sistematizar a jurisprudência.",
|
| 169 |
+
"transcript": "Organizar bases de dados para sistematizar a jurisprudência.",
|
| 170 |
+
"wer": 0.0,
|
| 171 |
+
"seconds": 4.75,
|
| 172 |
+
"file": "test005_F_s4.wav"
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"group": "test",
|
| 176 |
+
"category": "leitura",
|
| 177 |
+
"voice": "M_sm4",
|
| 178 |
+
"text": "Organizar bases de dados para sistematizar a jurisprudência.",
|
| 179 |
+
"transcript": "Organizar bases de dados para sistematizar a jurisprudência.",
|
| 180 |
+
"wer": 0.0,
|
| 181 |
+
"seconds": 4.62,
|
| 182 |
+
"file": "test005_M_sm4.wav"
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"group": "test",
|
| 186 |
+
"category": "narrativa",
|
| 187 |
+
"voice": "F_s4",
|
| 188 |
+
"text": "A gente acha que o médico é o melhor pra nos ajudar.",
|
| 189 |
+
"transcript": "A gente acha que o médico é o melhor pra nos ajudar.",
|
| 190 |
+
"wer": 0.0,
|
| 191 |
+
"seconds": 3.97,
|
| 192 |
+
"file": "test006_F_s4.wav"
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"group": "test",
|
| 196 |
+
"category": "narrativa",
|
| 197 |
+
"voice": "M_sm4",
|
| 198 |
+
"text": "A gente acha que o médico é o melhor pra nos ajudar.",
|
| 199 |
+
"transcript": "A gente acha que o médico é o melhor para nos ajudar.",
|
| 200 |
+
"wer": 0.0833,
|
| 201 |
+
"seconds": 3.9,
|
| 202 |
+
"file": "test006_M_sm4.wav"
|
| 203 |
+
},
|
| 204 |
+
{
|
| 205 |
+
"group": "test",
|
| 206 |
+
"category": "nome",
|
| 207 |
+
"voice": "F_s4",
|
| 208 |
+
"text": "A doutora Juliana Alves vai atender você agora.",
|
| 209 |
+
"transcript": "A doutora Juliana Alves vai atender você agora.",
|
| 210 |
+
"wer": 0.0,
|
| 211 |
+
"seconds": 4.01,
|
| 212 |
+
"file": "test007_F_s4.wav"
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"group": "test",
|
| 216 |
+
"category": "nome",
|
| 217 |
+
"voice": "M_sm4",
|
| 218 |
+
"text": "A doutora Juliana Alves vai atender você agora.",
|
| 219 |
+
"transcript": "A doutora Juliana Alves vai atender você agora.",
|
| 220 |
+
"wer": 0.0,
|
| 221 |
+
"seconds": 3.81,
|
| 222 |
+
"file": "test007_M_sm4.wav"
|
| 223 |
+
},
|
| 224 |
+
{
|
| 225 |
+
"group": "test",
|
| 226 |
+
"category": "numero",
|
| 227 |
+
"voice": "F_s4",
|
| 228 |
+
"text": "Simone tem cinquenta e nove anos e mora em Ribeirão Preto.",
|
| 229 |
+
"transcript": "Simone tem 59 anos e mora em Ribeirão Preto.",
|
| 230 |
+
"wer": 0.0,
|
| 231 |
+
"seconds": 4.57,
|
| 232 |
+
"file": "test008_F_s4.wav"
|
| 233 |
+
},
|
| 234 |
+
{
|
| 235 |
+
"group": "test",
|
| 236 |
+
"category": "numero",
|
| 237 |
+
"voice": "M_sm4",
|
| 238 |
+
"text": "Simone tem cinquenta e nove anos e mora em Ribeirão Preto.",
|
| 239 |
+
"transcript": "Simone tem 59 anos e mora em Ribeirão Preto.",
|
| 240 |
+
"wer": 0.0,
|
| 241 |
+
"seconds": 4.6,
|
| 242 |
+
"file": "test008_M_sm4.wav"
|
| 243 |
+
},
|
| 244 |
+
{
|
| 245 |
+
"group": "test",
|
| 246 |
+
"category": "pergunta",
|
| 247 |
+
"voice": "F_s4",
|
| 248 |
+
"text": "Você já se mudou pra um apartamento novo com um amigo?",
|
| 249 |
+
"transcript": "Você já se mudou pra um apartamento novo com um amigo?",
|
| 250 |
+
"wer": 0.0,
|
| 251 |
+
"seconds": 3.95,
|
| 252 |
+
"file": "test009_F_s4.wav"
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"group": "test",
|
| 256 |
+
"category": "pergunta",
|
| 257 |
+
"voice": "M_sm4",
|
| 258 |
+
"text": "Você já se mudou pra um apartamento novo com um amigo?",
|
| 259 |
+
"transcript": "Você já se mudou pra um apartamento novo com um amigo?",
|
| 260 |
+
"wer": 0.0,
|
| 261 |
+
"seconds": 3.79,
|
| 262 |
+
"file": "test009_M_sm4.wav"
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"group": "test",
|
| 266 |
+
"category": "conversa",
|
| 267 |
+
"voice": "F_s4",
|
| 268 |
+
"text": "A gente já comprou a roupa de festa junina, só falta o chapéu.",
|
| 269 |
+
"transcript": "A gente já comprou a roupa de festa junina, só falta o chapéu.",
|
| 270 |
+
"wer": 0.0,
|
| 271 |
+
"seconds": 4.87,
|
| 272 |
+
"file": "test010_F_s4.wav"
|
| 273 |
+
},
|
| 274 |
+
{
|
| 275 |
+
"group": "test",
|
| 276 |
+
"category": "conversa",
|
| 277 |
+
"voice": "M_sm4",
|
| 278 |
+
"text": "A gente já comprou a roupa de festa junina, só falta o chapéu.",
|
| 279 |
+
"transcript": "A gente já comprou a roupa de festa junina, só falta o chapéu.",
|
| 280 |
+
"wer": 0.0,
|
| 281 |
+
"seconds": 4.67,
|
| 282 |
+
"file": "test010_M_sm4.wav"
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"group": "test",
|
| 286 |
+
"category": "data",
|
| 287 |
+
"voice": "F_s4",
|
| 288 |
+
"text": "Thaís nasceu em vinte e um de maio de dois mil e oito.",
|
| 289 |
+
"transcript": "Traís nasceu em 21 de maio de 2008.",
|
| 290 |
+
"wer": 0.0769,
|
| 291 |
+
"seconds": 4.18,
|
| 292 |
+
"file": "test011_F_s4.wav"
|
| 293 |
+
},
|
| 294 |
+
{
|
| 295 |
+
"group": "test",
|
| 296 |
+
"category": "data",
|
| 297 |
+
"voice": "M_sm4",
|
| 298 |
+
"text": "Thaís nasceu em vinte e um de maio de dois mil e oito.",
|
| 299 |
+
"transcript": "Traís nasceu em 21 de maio de 2008.",
|
| 300 |
+
"wer": 0.0769,
|
| 301 |
+
"seconds": 3.99,
|
| 302 |
+
"file": "test011_M_sm4.wav"
|
| 303 |
+
},
|
| 304 |
+
{
|
| 305 |
+
"group": "test",
|
| 306 |
+
"category": "dinheiro",
|
| 307 |
+
"voice": "F_s4",
|
| 308 |
+
"text": "Paguei noventa e um centavos no cafezinho da padaria.",
|
| 309 |
+
"transcript": "Paguei 91 centavos no cafezinho da padaria.",
|
| 310 |
+
"wer": 0.0,
|
| 311 |
+
"seconds": 4.15,
|
| 312 |
+
"file": "test012_F_s4.wav"
|
| 313 |
+
},
|
| 314 |
+
{
|
| 315 |
+
"group": "test",
|
| 316 |
+
"category": "dinheiro",
|
| 317 |
+
"voice": "M_sm4",
|
| 318 |
+
"text": "Paguei noventa e um centavos no cafezinho da padaria.",
|
| 319 |
+
"transcript": "Paguei R$ 0,91 no cafezinho da padaria.",
|
| 320 |
+
"wer": 0.0,
|
| 321 |
+
"seconds": 3.97,
|
| 322 |
+
"file": "test012_M_sm4.wav"
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"group": "test",
|
| 326 |
+
"category": "exclamacao",
|
| 327 |
+
"voice": "F_s4",
|
| 328 |
+
"text": "Tá cheio de gente no supermercado, mas a gente achou tudo em promoção!",
|
| 329 |
+
"transcript": "Tá cheio de gente no supermercado, mas a gente achou tudo em promoção.",
|
| 330 |
+
"wer": 0.0,
|
| 331 |
+
"seconds": 5.19,
|
| 332 |
+
"file": "test013_F_s4.wav"
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"group": "test",
|
| 336 |
+
"category": "exclamacao",
|
| 337 |
+
"voice": "M_sm4",
|
| 338 |
+
"text": "Tá cheio de gente no supermercado, mas a gente achou tudo em promoção!",
|
| 339 |
+
"transcript": "Tá cheio de gente no supermercado, mas a gente achou tudo em promoção.",
|
| 340 |
+
"wer": 0.0,
|
| 341 |
+
"seconds": 4.89,
|
| 342 |
+
"file": "test013_M_sm4.wav"
|
| 343 |
+
},
|
| 344 |
+
{
|
| 345 |
+
"group": "test",
|
| 346 |
+
"category": "hora",
|
| 347 |
+
"voice": "F_s4",
|
| 348 |
+
"text": "A consulta foi marcada para as dez horas.",
|
| 349 |
+
"transcript": "A consulta foi marcada para as 10 horas.",
|
| 350 |
+
"wer": 0.0,
|
| 351 |
+
"seconds": 3.32,
|
| 352 |
+
"file": "test014_F_s4.wav"
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"group": "test",
|
| 356 |
+
"category": "hora",
|
| 357 |
+
"voice": "M_sm4",
|
| 358 |
+
"text": "A consulta foi marcada para as dez horas.",
|
| 359 |
+
"transcript": "A consulta foi marcada para as 10 horas.",
|
| 360 |
+
"wer": 0.0,
|
| 361 |
+
"seconds": 3.31,
|
| 362 |
+
"file": "test014_M_sm4.wav"
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"group": "test",
|
| 366 |
+
"category": "leitura",
|
| 367 |
+
"voice": "F_s4",
|
| 368 |
+
"text": "Deus dá pão àqueles que não têm talento.",
|
| 369 |
+
"transcript": "Deus dá pão àqueles que não têm talento.",
|
| 370 |
+
"wer": 0.0,
|
| 371 |
+
"seconds": 2.95,
|
| 372 |
+
"file": "test015_F_s4.wav"
|
| 373 |
+
},
|
| 374 |
+
{
|
| 375 |
+
"group": "test",
|
| 376 |
+
"category": "leitura",
|
| 377 |
+
"voice": "M_sm4",
|
| 378 |
+
"text": "Deus dá pão àqueles que não têm talento.",
|
| 379 |
+
"transcript": "Deus dá pão àqueles que não têm talento.",
|
| 380 |
+
"wer": 0.0,
|
| 381 |
+
"seconds": 2.88,
|
| 382 |
+
"file": "test015_M_sm4.wav"
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"group": "test",
|
| 386 |
+
"category": "narrativa",
|
| 387 |
+
"voice": "F_s4",
|
| 388 |
+
"text": "O Carlos disse que vai pra padaria hoje pra comprar um bolo pra mãe.",
|
| 389 |
+
"transcript": "O Carlos disse que vai pra padaria hoje pra comprar um bolo pra mãe.",
|
| 390 |
+
"wer": 0.0,
|
| 391 |
+
"seconds": 4.8,
|
| 392 |
+
"file": "test016_F_s4.wav"
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"group": "test",
|
| 396 |
+
"category": "narrativa",
|
| 397 |
+
"voice": "M_sm4",
|
| 398 |
+
"text": "O Carlos disse que vai pra padaria hoje pra comprar um bolo pra mãe.",
|
| 399 |
+
"transcript": "O Carlos disse que vai pra padaria hoje pra comprar um bolo pra mãe.",
|
| 400 |
+
"wer": 0.0,
|
| 401 |
+
"seconds": 4.55,
|
| 402 |
+
"file": "test016_M_sm4.wav"
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"group": "test",
|
| 406 |
+
"category": "nome",
|
| 407 |
+
"voice": "F_s4",
|
| 408 |
+
"text": "Meu nome é Gabriel Andrade e eu sou de Rio de Janeiro.",
|
| 409 |
+
"transcript": "Meu nome é Gabriel Andrade e eu sou de Rio de Janeiro.",
|
| 410 |
+
"wer": 0.0,
|
| 411 |
+
"seconds": 4.32,
|
| 412 |
+
"file": "test017_F_s4.wav"
|
| 413 |
+
},
|
| 414 |
+
{
|
| 415 |
+
"group": "test",
|
| 416 |
+
"category": "nome",
|
| 417 |
+
"voice": "M_sm4",
|
| 418 |
+
"text": "Meu nome é Gabriel Andrade e eu sou de Rio de Janeiro.",
|
| 419 |
+
"transcript": "Meu nome é Gabriel Andrade e eu sou de Rio de Janeiro.",
|
| 420 |
+
"wer": 0.0,
|
| 421 |
+
"seconds": 3.91,
|
| 422 |
+
"file": "test017_M_sm4.wav"
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"group": "test",
|
| 426 |
+
"category": "numero",
|
| 427 |
+
"voice": "F_s4",
|
| 428 |
+
"text": "Faltam só trinta e sete dias para o feriado!",
|
| 429 |
+
"transcript": "Faltam só 37 dias para o feriado.",
|
| 430 |
+
"wer": 0.0,
|
| 431 |
+
"seconds": 3.56,
|
| 432 |
+
"file": "test018_F_s4.wav"
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"group": "test",
|
| 436 |
+
"category": "numero",
|
| 437 |
+
"voice": "M_sm4",
|
| 438 |
+
"text": "Faltam só trinta e sete dias para o feriado!",
|
| 439 |
+
"transcript": "Faltam só 37 dias para o feriado.",
|
| 440 |
+
"wer": 0.0,
|
| 441 |
+
"seconds": 3.57,
|
| 442 |
+
"file": "test018_M_sm4.wav"
|
| 443 |
+
},
|
| 444 |
+
{
|
| 445 |
+
"group": "test",
|
| 446 |
+
"category": "pergunta",
|
| 447 |
+
"voice": "F_s4",
|
| 448 |
+
"text": "Para quem você está ligando agora?",
|
| 449 |
+
"transcript": "Para quem você está ligando agora?",
|
| 450 |
+
"wer": 0.0,
|
| 451 |
+
"seconds": 2.66,
|
| 452 |
+
"file": "test019_F_s4.wav"
|
| 453 |
+
},
|
| 454 |
+
{
|
| 455 |
+
"group": "test",
|
| 456 |
+
"category": "pergunta",
|
| 457 |
+
"voice": "M_sm4",
|
| 458 |
+
"text": "Para quem você está ligando agora?",
|
| 459 |
+
"transcript": "Para quem você está ligando agora?",
|
| 460 |
+
"wer": 0.0,
|
| 461 |
+
"seconds": 2.6,
|
| 462 |
+
"file": "test019_M_sm4.wav"
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"group": "test",
|
| 466 |
+
"category": "conversa",
|
| 467 |
+
"voice": "F_s4",
|
| 468 |
+
"text": "A gente vai ver se o mecânico da esquina consegue consertar o carro do Gustavo.",
|
| 469 |
+
"transcript": "A gente vai ver se o mecânico da esquina consegue consertar o carro do Gustavo.",
|
| 470 |
+
"wer": 0.0,
|
| 471 |
+
"seconds": 5.42,
|
| 472 |
+
"file": "test020_F_s4.wav"
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"group": "test",
|
| 476 |
+
"category": "conversa",
|
| 477 |
+
"voice": "M_sm4",
|
| 478 |
+
"text": "A gente vai ver se o mecânico da esquina consegue consertar o carro do Gustavo.",
|
| 479 |
+
"transcript": "A gente vai ver se o mecânico da esquina consegue consertar o carro do Gustavo.",
|
| 480 |
+
"wer": 0.0,
|
| 481 |
+
"seconds": 5.21,
|
| 482 |
+
"file": "test020_M_sm4.wav"
|
| 483 |
+
},
|
| 484 |
+
{
|
| 485 |
+
"group": "test",
|
| 486 |
+
"category": "data",
|
| 487 |
+
"voice": "F_s4",
|
| 488 |
+
"text": "O prazo para entregar o trabalho termina no dia vinte e três de março, num sábado.",
|
| 489 |
+
"transcript": "O prazo para entregar o trabalho termina no dia 23 de março, num sábado.",
|
| 490 |
+
"wer": 0.0,
|
| 491 |
+
"seconds": 6.25,
|
| 492 |
+
"file": "test021_F_s4.wav"
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"group": "test",
|
| 496 |
+
"category": "data",
|
| 497 |
+
"voice": "M_sm4",
|
| 498 |
+
"text": "O prazo para entregar o trabalho termina no dia vinte e três de março, num sábado.",
|
| 499 |
+
"transcript": "O prazo para entregar o trabalho termina no dia 23 de março, num sábado.",
|
| 500 |
+
"wer": 0.0,
|
| 501 |
+
"seconds": 5.91,
|
| 502 |
+
"file": "test021_M_sm4.wav"
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"group": "test",
|
| 506 |
+
"category": "dinheiro",
|
| 507 |
+
"voice": "F_s4",
|
| 508 |
+
"text": "Paguei setenta e quatro centavos no cafezinho da padaria.",
|
| 509 |
+
"transcript": "Paguei 74 centavos no cafezinho da padaria.",
|
| 510 |
+
"wer": 0.0,
|
| 511 |
+
"seconds": 4.35,
|
| 512 |
+
"file": "test022_F_s4.wav"
|
| 513 |
+
},
|
| 514 |
+
{
|
| 515 |
+
"group": "test",
|
| 516 |
+
"category": "dinheiro",
|
| 517 |
+
"voice": "M_sm4",
|
| 518 |
+
"text": "Paguei setenta e quatro centavos no cafezinho da padaria.",
|
| 519 |
+
"transcript": "Paguei 74 centavos no cafezinho da padaria.",
|
| 520 |
+
"wer": 0.0,
|
| 521 |
+
"seconds": 4.2,
|
| 522 |
+
"file": "test022_M_sm4.wav"
|
| 523 |
+
},
|
| 524 |
+
{
|
| 525 |
+
"group": "test",
|
| 526 |
+
"category": "exclamacao",
|
| 527 |
+
"voice": "F_s4",
|
| 528 |
+
"text": "A gente tá feliz de ver o menino João correndo com o gado na estrada!",
|
| 529 |
+
"transcript": "A gente tá feliz de ver o menino João correndo com um gado na estrada.",
|
| 530 |
+
"wer": 0.0667,
|
| 531 |
+
"seconds": 4.7,
|
| 532 |
+
"file": "test023_F_s4.wav"
|
| 533 |
+
},
|
| 534 |
+
{
|
| 535 |
+
"group": "test",
|
| 536 |
+
"category": "exclamacao",
|
| 537 |
+
"voice": "M_sm4",
|
| 538 |
+
"text": "A gente tá feliz de ver o menino João correndo com o gado na estrada!",
|
| 539 |
+
"transcript": "A gente tá feliz de ver o menino João correndo com o gado na estrada.",
|
| 540 |
+
"wer": 0.0,
|
| 541 |
+
"seconds": 4.62,
|
| 542 |
+
"file": "test023_M_sm4.wav"
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"group": "test",
|
| 546 |
+
"category": "hora",
|
| 547 |
+
"voice": "F_s4",
|
| 548 |
+
"text": "O ônibus passa às seis horas e dez da noite.",
|
| 549 |
+
"transcript": "O ônibus passa às 6 horas e 10 da noite.",
|
| 550 |
+
"wer": 0.0,
|
| 551 |
+
"seconds": 3.63,
|
| 552 |
+
"file": "test024_F_s4.wav"
|
| 553 |
+
},
|
| 554 |
+
{
|
| 555 |
+
"group": "test",
|
| 556 |
+
"category": "hora",
|
| 557 |
+
"voice": "M_sm4",
|
| 558 |
+
"text": "O ônibus passa às seis horas e dez da noite.",
|
| 559 |
+
"transcript": "O ônibus passa às seis horas e dez da noite.",
|
| 560 |
+
"wer": 0.0,
|
| 561 |
+
"seconds": 3.5,
|
| 562 |
+
"file": "test024_M_sm4.wav"
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"group": "test",
|
| 566 |
+
"category": "leitura",
|
| 567 |
+
"voice": "F_s4",
|
| 568 |
+
"text": "Por todos os meios? é apenas no corredor.",
|
| 569 |
+
"transcript": "Por todos os meios, é apenas no corredor.",
|
| 570 |
+
"wer": 0.0,
|
| 571 |
+
"seconds": 3.91,
|
| 572 |
+
"file": "test025_F_s4.wav"
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"group": "test",
|
| 576 |
+
"category": "leitura",
|
| 577 |
+
"voice": "M_sm4",
|
| 578 |
+
"text": "Por todos os meios? é apenas no corredor.",
|
| 579 |
+
"transcript": "Por todos os meios, é apenas no corredor.",
|
| 580 |
+
"wer": 0.0,
|
| 581 |
+
"seconds": 3.65,
|
| 582 |
+
"file": "test025_M_sm4.wav"
|
| 583 |
+
},
|
| 584 |
+
{
|
| 585 |
+
"group": "test",
|
| 586 |
+
"category": "narrativa",
|
| 587 |
+
"voice": "F_s4",
|
| 588 |
+
"text": "Você já viu um cara tentando comprar um sabonete pra lavar o dinheiro da loteria?",
|
| 589 |
+
"transcript": "Você já viu um cara tentando comprar um sabonete pra lavar o dinheiro da loteria?",
|
| 590 |
+
"wer": 0.0,
|
| 591 |
+
"seconds": 5.47,
|
| 592 |
+
"file": "test026_F_s4.wav"
|
| 593 |
+
},
|
| 594 |
+
{
|
| 595 |
+
"group": "test",
|
| 596 |
+
"category": "narrativa",
|
| 597 |
+
"voice": "M_sm4",
|
| 598 |
+
"text": "Você já viu um cara tentando comprar um sabonete pra lavar o dinheiro da loteria?",
|
| 599 |
+
"transcript": "Você já viu um cara tentando comprar um sabonete pra lavar o dinheiro da loteria?",
|
| 600 |
+
"wer": 0.0,
|
| 601 |
+
"seconds": 5.29,
|
| 602 |
+
"file": "test026_M_sm4.wav"
|
| 603 |
+
},
|
| 604 |
+
{
|
| 605 |
+
"group": "test",
|
| 606 |
+
"category": "nome",
|
| 607 |
+
"voice": "F_s4",
|
| 608 |
+
"text": "Por favor, chame o senhor Matheus Vieira na recepção.",
|
| 609 |
+
"transcript": "Por favor, chame o Sr. Mateus Vieira na recepção.",
|
| 610 |
+
"wer": 0.1111,
|
| 611 |
+
"seconds": 4.5,
|
| 612 |
+
"file": "test027_F_s4.wav"
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"group": "test",
|
| 616 |
+
"category": "nome",
|
| 617 |
+
"voice": "M_sm4",
|
| 618 |
+
"text": "Por favor, chame o senhor Matheus Vieira na recepção.",
|
| 619 |
+
"transcript": "Por favor, chame o senhor Mateus Vieira na recepção.",
|
| 620 |
+
"wer": 0.1111,
|
| 621 |
+
"seconds": 4.11,
|
| 622 |
+
"file": "test027_M_sm4.wav"
|
| 623 |
+
},
|
| 624 |
+
{
|
| 625 |
+
"group": "test",
|
| 626 |
+
"category": "numero",
|
| 627 |
+
"voice": "F_s4",
|
| 628 |
+
"text": "Comprei vinte e seis laranjas na feira hoje de manhã.",
|
| 629 |
+
"transcript": "Comprei 26 laranjas na feira hoje de manhã.",
|
| 630 |
+
"wer": 0.0,
|
| 631 |
+
"seconds": 4.07,
|
| 632 |
+
"file": "test028_F_s4.wav"
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"group": "test",
|
| 636 |
+
"category": "numero",
|
| 637 |
+
"voice": "M_sm4",
|
| 638 |
+
"text": "Comprei vinte e seis laranjas na feira hoje de manhã.",
|
| 639 |
+
"transcript": "Comprei 26 laranjas na feira hoje de manhã.",
|
| 640 |
+
"wer": 0.0,
|
| 641 |
+
"seconds": 3.94,
|
| 642 |
+
"file": "test028_M_sm4.wav"
|
| 643 |
+
},
|
| 644 |
+
{
|
| 645 |
+
"group": "test",
|
| 646 |
+
"category": "pergunta",
|
| 647 |
+
"voice": "F_s4",
|
| 648 |
+
"text": "Quanto tempo leva daqui até Uberlândia?",
|
| 649 |
+
"transcript": "Quanto tempo leva daqui até Uberlândia?",
|
| 650 |
+
"wer": 0.0,
|
| 651 |
+
"seconds": 3.26,
|
| 652 |
+
"file": "test029_F_s4.wav"
|
| 653 |
+
},
|
| 654 |
+
{
|
| 655 |
+
"group": "test",
|
| 656 |
+
"category": "pergunta",
|
| 657 |
+
"voice": "M_sm4",
|
| 658 |
+
"text": "Quanto tempo leva daqui até Uberlândia?",
|
| 659 |
+
"transcript": "Quanto tempo leva daqui até Uberlândia?",
|
| 660 |
+
"wer": 0.0,
|
| 661 |
+
"seconds": 3.11,
|
| 662 |
+
"file": "test029_M_sm4.wav"
|
| 663 |
+
},
|
| 664 |
+
{
|
| 665 |
+
"group": "test",
|
| 666 |
+
"category": "conversa",
|
| 667 |
+
"voice": "F_s4",
|
| 668 |
+
"text": "Ninguém sabe o que tá acontecendo no mundo, só o que vê no TikTok.",
|
| 669 |
+
"transcript": "Ninguém sabe o que tá acontecendo no mundo, só o que vê no TikTok.",
|
| 670 |
+
"wer": 0.0,
|
| 671 |
+
"seconds": 4.94,
|
| 672 |
+
"file": "test030_F_s4.wav"
|
| 673 |
+
},
|
| 674 |
+
{
|
| 675 |
+
"group": "test",
|
| 676 |
+
"category": "conversa",
|
| 677 |
+
"voice": "M_sm4",
|
| 678 |
+
"text": "Ninguém sabe o que tá acontecendo no mundo, só o que vê no TikTok.",
|
| 679 |
+
"transcript": "Ninguém sabe o que tá acontecendo no mundo, só o que vê no TikTok.",
|
| 680 |
+
"wer": 0.0,
|
| 681 |
+
"seconds": 4.69,
|
| 682 |
+
"file": "test030_M_sm4.wav"
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"group": "test",
|
| 686 |
+
"category": "data",
|
| 687 |
+
"voice": "F_s4",
|
| 688 |
+
"text": "Em que dia vai ser a festa? Acho que no dia doze de novembro.",
|
| 689 |
+
"transcript": "Em que dia vai ser a festa? Acho que no dia 12 de novembro.",
|
| 690 |
+
"wer": 0.0,
|
| 691 |
+
"seconds": 4.98,
|
| 692 |
+
"file": "test031_F_s4.wav"
|
| 693 |
+
},
|
| 694 |
+
{
|
| 695 |
+
"group": "test",
|
| 696 |
+
"category": "data",
|
| 697 |
+
"voice": "M_sm4",
|
| 698 |
+
"text": "Em que dia vai ser a festa? Acho que no dia doze de novembro.",
|
| 699 |
+
"transcript": "Em que dia vai ser a festa? Acho que no dia 12 de novembro.",
|
| 700 |
+
"wer": 0.0,
|
| 701 |
+
"seconds": 4.79,
|
| 702 |
+
"file": "test031_M_sm4.wav"
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"group": "test",
|
| 706 |
+
"category": "dinheiro",
|
| 707 |
+
"voice": "F_s4",
|
| 708 |
+
"text": "O aluguel subiu para mil quatrocentos e vinte e seis reais por mês, acredita?",
|
| 709 |
+
"transcript": "O aluguel subiu para R$ 1.426 por mês, acredita?",
|
| 710 |
+
"wer": 0.0,
|
| 711 |
+
"seconds": 5.74,
|
| 712 |
+
"file": "test032_F_s4.wav"
|
| 713 |
+
},
|
| 714 |
+
{
|
| 715 |
+
"group": "test",
|
| 716 |
+
"category": "dinheiro",
|
| 717 |
+
"voice": "M_sm4",
|
| 718 |
+
"text": "O aluguel subiu para mil quatrocentos e vinte e seis reais por mês, acredita?",
|
| 719 |
+
"transcript": "O aluguel subiu para R$ 1.426 por mês, acredita?",
|
| 720 |
+
"wer": 0.0,
|
| 721 |
+
"seconds": 5.42,
|
| 722 |
+
"file": "test032_M_sm4.wav"
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"group": "test",
|
| 726 |
+
"category": "exclamacao",
|
| 727 |
+
"voice": "F_s4",
|
| 728 |
+
"text": "A gente tem direito a ser atendido com respeito, né?",
|
| 729 |
+
"transcript": "A gente tem direito a ser atendido com respeito, né?",
|
| 730 |
+
"wer": 0.0,
|
| 731 |
+
"seconds": 3.71,
|
| 732 |
+
"file": "test033_F_s4.wav"
|
| 733 |
+
},
|
| 734 |
+
{
|
| 735 |
+
"group": "test",
|
| 736 |
+
"category": "exclamacao",
|
| 737 |
+
"voice": "M_sm4",
|
| 738 |
+
"text": "A gente tem direito a ser atendido com respeito, né?",
|
| 739 |
+
"transcript": "A gente tem direito a ser atendido com respeito, né?",
|
| 740 |
+
"wer": 0.0,
|
| 741 |
+
"seconds": 3.64,
|
| 742 |
+
"file": "test033_M_sm4.wav"
|
| 743 |
+
},
|
| 744 |
+
{
|
| 745 |
+
"group": "test",
|
| 746 |
+
"category": "hora",
|
| 747 |
+
"voice": "F_s4",
|
| 748 |
+
"text": "O ônibus passa às doze horas e meia da tarde.",
|
| 749 |
+
"transcript": "O ônibus passa às 12 horas e meia da tarde.",
|
| 750 |
+
"wer": 0.0,
|
| 751 |
+
"seconds": 3.83,
|
| 752 |
+
"file": "test034_F_s4.wav"
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"group": "test",
|
| 756 |
+
"category": "hora",
|
| 757 |
+
"voice": "M_sm4",
|
| 758 |
+
"text": "O ônibus passa às doze horas e meia da tarde.",
|
| 759 |
+
"transcript": "O ônibus passa às 12 horas e meia da tarde.",
|
| 760 |
+
"wer": 0.0,
|
| 761 |
+
"seconds": 3.59,
|
| 762 |
+
"file": "test034_M_sm4.wav"
|
| 763 |
+
},
|
| 764 |
+
{
|
| 765 |
+
"group": "test",
|
| 766 |
+
"category": "leitura",
|
| 767 |
+
"voice": "F_s4",
|
| 768 |
+
"text": "Crianças descansando e subindo muitos degraus.",
|
| 769 |
+
"transcript": "Crianças descansando e subindo muitos degraus.",
|
| 770 |
+
"wer": 0.0,
|
| 771 |
+
"seconds": 3.99,
|
| 772 |
+
"file": "test035_F_s4.wav"
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"group": "test",
|
| 776 |
+
"category": "leitura",
|
| 777 |
+
"voice": "M_sm4",
|
| 778 |
+
"text": "Crianças descansando e subindo muitos degraus.",
|
| 779 |
+
"transcript": "Crianças descansando e subindo muitos degraus.",
|
| 780 |
+
"wer": 0.0,
|
| 781 |
+
"seconds": 3.85,
|
| 782 |
+
"file": "test035_M_sm4.wav"
|
| 783 |
+
},
|
| 784 |
+
{
|
| 785 |
+
"group": "test",
|
| 786 |
+
"category": "narrativa",
|
| 787 |
+
"voice": "F_s4",
|
| 788 |
+
"text": "A série do Paulo tem um enredo tão complicado que eu não entendo.",
|
| 789 |
+
"transcript": "A série do Paulo tem um enredo tão complicado que eu não entendo.",
|
| 790 |
+
"wer": 0.0,
|
| 791 |
+
"seconds": 4.69,
|
| 792 |
+
"file": "test036_F_s4.wav"
|
| 793 |
+
},
|
| 794 |
+
{
|
| 795 |
+
"group": "test",
|
| 796 |
+
"category": "narrativa",
|
| 797 |
+
"voice": "M_sm4",
|
| 798 |
+
"text": "A série do Paulo tem um enredo tão complicado que eu não entendo.",
|
| 799 |
+
"transcript": "A série do Paulo tem um enredo tão complicado que eu não entendo.",
|
| 800 |
+
"wer": 0.0,
|
| 801 |
+
"seconds": 4.38,
|
| 802 |
+
"file": "test036_M_sm4.wav"
|
| 803 |
+
},
|
| 804 |
+
{
|
| 805 |
+
"group": "test",
|
| 806 |
+
"category": "pergunta",
|
| 807 |
+
"voice": "F_s4",
|
| 808 |
+
"text": "Você acha que eu tô com o currículo certo pra essa vaga de emprego né?",
|
| 809 |
+
"transcript": "Você acha que eu tô com o currículo certo pra essa vaga de emprego, né?",
|
| 810 |
+
"wer": 0.0,
|
| 811 |
+
"seconds": 4.78,
|
| 812 |
+
"file": "test037_F_s4.wav"
|
| 813 |
+
},
|
| 814 |
+
{
|
| 815 |
+
"group": "test",
|
| 816 |
+
"category": "pergunta",
|
| 817 |
+
"voice": "M_sm4",
|
| 818 |
+
"text": "Você acha que eu tô com o currículo certo pra essa vaga de emprego né?",
|
| 819 |
+
"transcript": "Você acha que eu tô com o currículo certo pra essa vaga de emprego, né?",
|
| 820 |
+
"wer": 0.0,
|
| 821 |
+
"seconds": 4.69,
|
| 822 |
+
"file": "test037_M_sm4.wav"
|
| 823 |
+
},
|
| 824 |
+
{
|
| 825 |
+
"group": "test",
|
| 826 |
+
"category": "conversa",
|
| 827 |
+
"voice": "F_s4",
|
| 828 |
+
"text": "Vou pra praia com o João, tá tudo combinado pra essa semana.",
|
| 829 |
+
"transcript": "Vou pra praia com o João. Tá tudo combinado pra essa semana.",
|
| 830 |
+
"wer": 0.0,
|
| 831 |
+
"seconds": 4.53,
|
| 832 |
+
"file": "test038_F_s4.wav"
|
| 833 |
+
},
|
| 834 |
+
{
|
| 835 |
+
"group": "test",
|
| 836 |
+
"category": "conversa",
|
| 837 |
+
"voice": "M_sm4",
|
| 838 |
+
"text": "Vou pra praia com o João, tá tudo combinado pra essa semana.",
|
| 839 |
+
"transcript": "Vou pra praia com o João, tá tudo combinado pra essa semana.",
|
| 840 |
+
"wer": 0.0,
|
| 841 |
+
"seconds": 4.25,
|
| 842 |
+
"file": "test038_M_sm4.wav"
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"group": "test",
|
| 846 |
+
"category": "data",
|
| 847 |
+
"voice": "F_s4",
|
| 848 |
+
"text": "A gente se mudou para Porto Alegre em mil novecentos e sessenta e nove.",
|
| 849 |
+
"transcript": "A gente se mudou para Porto Alegre em 1969.",
|
| 850 |
+
"wer": 0.0,
|
| 851 |
+
"seconds": 5.02,
|
| 852 |
+
"file": "test039_F_s4.wav"
|
| 853 |
+
},
|
| 854 |
+
{
|
| 855 |
+
"group": "test",
|
| 856 |
+
"category": "data",
|
| 857 |
+
"voice": "M_sm4",
|
| 858 |
+
"text": "A gente se mudou para Porto Alegre em mil novecentos e sessenta e nove.",
|
| 859 |
+
"transcript": "A gente se mudou para Porto Alegre em 1969.",
|
| 860 |
+
"wer": 0.0,
|
| 861 |
+
"seconds": 5.02,
|
| 862 |
+
"file": "test039_M_sm4.wav"
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"group": "test",
|
| 866 |
+
"category": "dinheiro",
|
| 867 |
+
"voice": "F_s4",
|
| 868 |
+
"text": "O aluguel subiu para dois mil setecentos e noventa e nove reais por mês, acredita?",
|
| 869 |
+
"transcript": "O aluguel subiu para R$ 2.799 por mês, acredita?",
|
| 870 |
+
"wer": 0.0,
|
| 871 |
+
"seconds": 6.2,
|
| 872 |
+
"file": "test040_F_s4.wav"
|
| 873 |
+
},
|
| 874 |
+
{
|
| 875 |
+
"group": "test",
|
| 876 |
+
"category": "dinheiro",
|
| 877 |
+
"voice": "M_sm4",
|
| 878 |
+
"text": "O aluguel subiu para dois mil setecentos e noventa e nove reais por mês, acredita?",
|
| 879 |
+
"transcript": "O aluguel subiu para R$ 2.799 por mês, acredita?",
|
| 880 |
+
"wer": 0.0,
|
| 881 |
+
"seconds": 5.76,
|
| 882 |
+
"file": "test040_M_sm4.wav"
|
| 883 |
+
},
|
| 884 |
+
{
|
| 885 |
+
"group": "test",
|
| 886 |
+
"category": "exclamacao",
|
| 887 |
+
"voice": "F_s4",
|
| 888 |
+
"text": "O que eu fiz pra merecer essa moto, cara!",
|
| 889 |
+
"transcript": "O que eu fiz pra merecer essa moto, cara?",
|
| 890 |
+
"wer": 0.0,
|
| 891 |
+
"seconds": 3.21,
|
| 892 |
+
"file": "test041_F_s4.wav"
|
| 893 |
+
},
|
| 894 |
+
{
|
| 895 |
+
"group": "test",
|
| 896 |
+
"category": "exclamacao",
|
| 897 |
+
"voice": "M_sm4",
|
| 898 |
+
"text": "O que eu fiz pra merecer essa moto, cara!",
|
| 899 |
+
"transcript": "O que eu fiz pra merecer essa moto, cara?",
|
| 900 |
+
"wer": 0.0,
|
| 901 |
+
"seconds": 3.1,
|
| 902 |
+
"file": "test041_M_sm4.wav"
|
| 903 |
+
},
|
| 904 |
+
{
|
| 905 |
+
"group": "test",
|
| 906 |
+
"category": "hora",
|
| 907 |
+
"voice": "F_s4",
|
| 908 |
+
"text": "Eu acordo todo dia às sete horas e quinze para ir trabalhar.",
|
| 909 |
+
"transcript": "Eu acordo todo dia às 7 horas e 15 para ir trabalhar.",
|
| 910 |
+
"wer": 0.0,
|
| 911 |
+
"seconds": 4.67,
|
| 912 |
+
"file": "test042_F_s4.wav"
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"group": "test",
|
| 916 |
+
"category": "hora",
|
| 917 |
+
"voice": "M_sm4",
|
| 918 |
+
"text": "Eu acordo todo dia às sete horas e quinze para ir trabalhar.",
|
| 919 |
+
"transcript": "Eu acordo todo dia às 7 horas e 15 para ir trabalhar.",
|
| 920 |
+
"wer": 0.0,
|
| 921 |
+
"seconds": 4.55,
|
| 922 |
+
"file": "test042_M_sm4.wav"
|
| 923 |
+
},
|
| 924 |
+
{
|
| 925 |
+
"group": "test",
|
| 926 |
+
"category": "leitura",
|
| 927 |
+
"voice": "F_s4",
|
| 928 |
+
"text": "Ameaçando quebrar seu pé.",
|
| 929 |
+
"transcript": "Ameaçando quebrar seu pé.",
|
| 930 |
+
"wer": 0.0,
|
| 931 |
+
"seconds": 2.38,
|
| 932 |
+
"file": "test043_F_s4.wav"
|
| 933 |
+
},
|
| 934 |
+
{
|
| 935 |
+
"group": "test",
|
| 936 |
+
"category": "leitura",
|
| 937 |
+
"voice": "M_sm4",
|
| 938 |
+
"text": "Ameaçando quebrar seu pé.",
|
| 939 |
+
"transcript": "Ameaçando quebrar seu pé.",
|
| 940 |
+
"wer": 0.0,
|
| 941 |
+
"seconds": 2.33,
|
| 942 |
+
"file": "test043_M_sm4.wav"
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"group": "test",
|
| 946 |
+
"category": "narrativa",
|
| 947 |
+
"voice": "F_s4",
|
| 948 |
+
"text": "O parque era muito bonito e a gente queria ficar mais tempo.",
|
| 949 |
+
"transcript": "O parque era muito bonito e a gente queria ficar mais tempo.",
|
| 950 |
+
"wer": 0.0,
|
| 951 |
+
"seconds": 4.32,
|
| 952 |
+
"file": "test044_F_s4.wav"
|
| 953 |
+
},
|
| 954 |
+
{
|
| 955 |
+
"group": "test",
|
| 956 |
+
"category": "narrativa",
|
| 957 |
+
"voice": "M_sm4",
|
| 958 |
+
"text": "O parque era muito bonito e a gente queria ficar mais tempo.",
|
| 959 |
+
"transcript": "O parque era muito bonito e a gente queria ficar mais tempo.",
|
| 960 |
+
"wer": 0.0,
|
| 961 |
+
"seconds": 4.11,
|
| 962 |
+
"file": "test044_M_sm4.wav"
|
| 963 |
+
},
|
| 964 |
+
{
|
| 965 |
+
"group": "test",
|
| 966 |
+
"category": "pergunta",
|
| 967 |
+
"voice": "F_s4",
|
| 968 |
+
"text": "Você acha que tá na hora de ir no bar com os amigos pra relaxar né?",
|
| 969 |
+
"transcript": "Você acha que tá na hora de ir no bar com os amigos pra relaxar, né?",
|
| 970 |
+
"wer": 0.0,
|
| 971 |
+
"seconds": 4.68,
|
| 972 |
+
"file": "test045_F_s4.wav"
|
| 973 |
+
},
|
| 974 |
+
{
|
| 975 |
+
"group": "test",
|
| 976 |
+
"category": "pergunta",
|
| 977 |
+
"voice": "M_sm4",
|
| 978 |
+
"text": "Você acha que tá na hora de ir no bar com os amigos pra relaxar né?",
|
| 979 |
+
"transcript": "Você acha que tá na hora de ir no bar com os amigos pra relaxar, né?",
|
| 980 |
+
"wer": 0.0,
|
| 981 |
+
"seconds": 4.63,
|
| 982 |
+
"file": "test045_M_sm4.wav"
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"group": "test",
|
| 986 |
+
"category": "conversa",
|
| 987 |
+
"voice": "F_s4",
|
| 988 |
+
"text": "O pessoal do bairro tá se reunindo pra ver como vai ser o próximo dia.",
|
| 989 |
+
"transcript": "O pessoal do bairro tá se reunindo pra ver como vai ser o próximo dia.",
|
| 990 |
+
"wer": 0.0,
|
| 991 |
+
"seconds": 4.8,
|
| 992 |
+
"file": "test046_F_s4.wav"
|
| 993 |
+
},
|
| 994 |
+
{
|
| 995 |
+
"group": "test",
|
| 996 |
+
"category": "conversa",
|
| 997 |
+
"voice": "M_sm4",
|
| 998 |
+
"text": "O pessoal do bairro tá se reunindo pra ver como vai ser o próximo dia.",
|
| 999 |
+
"transcript": "O pessoal do bairro tá se reunindo pra ver como vai ser o próximo dia.",
|
| 1000 |
+
"wer": 0.0,
|
| 1001 |
+
"seconds": 4.76,
|
| 1002 |
+
"file": "test046_M_sm4.wav"
|
| 1003 |
+
},
|
| 1004 |
+
{
|
| 1005 |
+
"group": "test",
|
| 1006 |
+
"category": "dinheiro",
|
| 1007 |
+
"voice": "F_s4",
|
| 1008 |
+
"text": "Você pode me fazer um pix de oitenta e cinco reais e cinquenta centavos?",
|
| 1009 |
+
"transcript": "Você pode me fazer um Pix de R$ 85,50?",
|
| 1010 |
+
"wer": 0.0,
|
| 1011 |
+
"seconds": 5.28,
|
| 1012 |
+
"file": "test047_F_s4.wav"
|
| 1013 |
+
},
|
| 1014 |
+
{
|
| 1015 |
+
"group": "test",
|
| 1016 |
+
"category": "dinheiro",
|
| 1017 |
+
"voice": "M_sm4",
|
| 1018 |
+
"text": "Você pode me fazer um pix de oitenta e cinco reais e cinquenta centavos?",
|
| 1019 |
+
"transcript": "Você pode me fazer um Pix de R$ 85,50?",
|
| 1020 |
+
"wer": 0.0,
|
| 1021 |
+
"seconds": 5.13,
|
| 1022 |
+
"file": "test047_M_sm4.wav"
|
| 1023 |
+
},
|
| 1024 |
+
{
|
| 1025 |
+
"group": "novel",
|
| 1026 |
+
"category": "novo",
|
| 1027 |
+
"voice": "F_s4",
|
| 1028 |
+
"text": "A professora explicou a lição com muita paciência para todos os alunos.",
|
| 1029 |
+
"transcript": "A professora explicou a lição com muita paciência para todos os alunos.",
|
| 1030 |
+
"wer": 0.0,
|
| 1031 |
+
"seconds": 5.34,
|
| 1032 |
+
"file": "novel048_F_s4.wav"
|
| 1033 |
+
},
|
| 1034 |
+
{
|
| 1035 |
+
"group": "novel",
|
| 1036 |
+
"category": "novo",
|
| 1037 |
+
"voice": "M_sm4",
|
| 1038 |
+
"text": "A professora explicou a lição com muita paciência para todos os alunos.",
|
| 1039 |
+
"transcript": "A professora explicou a lição com muita paciência para todos os alunos.",
|
| 1040 |
+
"wer": 0.0,
|
| 1041 |
+
"seconds": 5.13,
|
| 1042 |
+
"file": "novel048_M_sm4.wav"
|
| 1043 |
+
},
|
| 1044 |
+
{
|
| 1045 |
+
"group": "novel",
|
| 1046 |
+
"category": "novo",
|
| 1047 |
+
"voice": "F_s4",
|
| 1048 |
+
"text": "Será que ainda dá tempo de pegar o último ônibus para o centro?",
|
| 1049 |
+
"transcript": "Será que ainda dá tempo de pegar o último ônibus para o centro?",
|
| 1050 |
+
"wer": 0.0,
|
| 1051 |
+
"seconds": 4.41,
|
| 1052 |
+
"file": "novel049_F_s4.wav"
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"group": "novel",
|
| 1056 |
+
"category": "novo",
|
| 1057 |
+
"voice": "M_sm4",
|
| 1058 |
+
"text": "Será que ainda dá tempo de pegar o último ônibus para o centro?",
|
| 1059 |
+
"transcript": "Será que ainda dá tempo de pegar o último ônibus para o centro?",
|
| 1060 |
+
"wer": 0.0,
|
| 1061 |
+
"seconds": 4.25,
|
| 1062 |
+
"file": "novel049_M_sm4.wav"
|
| 1063 |
+
},
|
| 1064 |
+
{
|
| 1065 |
+
"group": "novel",
|
| 1066 |
+
"category": "novo",
|
| 1067 |
+
"voice": "F_s4",
|
| 1068 |
+
"text": "Meu irmão mais novo ganhou uma bicicleta vermelha no aniversário.",
|
| 1069 |
+
"transcript": "Meu irmão mais novo ganhou uma bicicleta vermelha no aniversário.",
|
| 1070 |
+
"wer": 0.0,
|
| 1071 |
+
"seconds": 4.8,
|
| 1072 |
+
"file": "novel050_F_s4.wav"
|
| 1073 |
+
},
|
| 1074 |
+
{
|
| 1075 |
+
"group": "novel",
|
| 1076 |
+
"category": "novo",
|
| 1077 |
+
"voice": "M_sm4",
|
| 1078 |
+
"text": "Meu irmão mais novo ganhou uma bicicleta vermelha no aniversário.",
|
| 1079 |
+
"transcript": "Meu irmão mais novo ganhou uma bicicleta vermelha no aniversário.",
|
| 1080 |
+
"wer": 0.0,
|
| 1081 |
+
"seconds": 4.48,
|
| 1082 |
+
"file": "novel050_M_sm4.wav"
|
| 1083 |
+
},
|
| 1084 |
+
{
|
| 1085 |
+
"group": "novel",
|
| 1086 |
+
"category": "novo",
|
| 1087 |
+
"voice": "F_s4",
|
| 1088 |
+
"text": "Não esqueça de levar o guarda-chuva, porque pode chover à tarde.",
|
| 1089 |
+
"transcript": "Não esqueça de levar o guarda-chuva porque pode chover à tarde.",
|
| 1090 |
+
"wer": 0.0,
|
| 1091 |
+
"seconds": 4.67,
|
| 1092 |
+
"file": "novel051_F_s4.wav"
|
| 1093 |
+
},
|
| 1094 |
+
{
|
| 1095 |
+
"group": "novel",
|
| 1096 |
+
"category": "novo",
|
| 1097 |
+
"voice": "M_sm4",
|
| 1098 |
+
"text": "Não esqueça de levar o guarda-chuva, porque pode chover à tarde.",
|
| 1099 |
+
"transcript": "Não esqueça de levar o guarda-chuva porque pode chover à tarde.",
|
| 1100 |
+
"wer": 0.0,
|
| 1101 |
+
"seconds": 4.44,
|
| 1102 |
+
"file": "novel051_M_sm4.wav"
|
| 1103 |
+
},
|
| 1104 |
+
{
|
| 1105 |
+
"group": "novel",
|
| 1106 |
+
"category": "novo",
|
| 1107 |
+
"voice": "F_s4",
|
| 1108 |
+
"text": "O gato dormiu a manhã inteira em cima do sofá da sala.",
|
| 1109 |
+
"transcript": "O gato dormiu a manhã inteira em cima do sofá da sala.",
|
| 1110 |
+
"wer": 0.0,
|
| 1111 |
+
"seconds": 4.2,
|
| 1112 |
+
"file": "novel052_F_s4.wav"
|
| 1113 |
+
},
|
| 1114 |
+
{
|
| 1115 |
+
"group": "novel",
|
| 1116 |
+
"category": "novo",
|
| 1117 |
+
"voice": "M_sm4",
|
| 1118 |
+
"text": "O gato dormiu a manhã inteira em cima do sofá da sala.",
|
| 1119 |
+
"transcript": "O gato dormiu a manhã inteira em cima do sofá da sala.",
|
| 1120 |
+
"wer": 0.0,
|
| 1121 |
+
"seconds": 4.03,
|
| 1122 |
+
"file": "novel052_M_sm4.wav"
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"group": "novel",
|
| 1126 |
+
"category": "novo",
|
| 1127 |
+
"voice": "F_s4",
|
| 1128 |
+
"text": "Quando chegamos à praia, o sol já estava se pondo atrás das montanhas.",
|
| 1129 |
+
"transcript": "Quando chegamos à praia, o sol já estava se pondo atrás das montanhas.",
|
| 1130 |
+
"wer": 0.0,
|
| 1131 |
+
"seconds": 5.51,
|
| 1132 |
+
"file": "novel053_F_s4.wav"
|
| 1133 |
+
},
|
| 1134 |
+
{
|
| 1135 |
+
"group": "novel",
|
| 1136 |
+
"category": "novo",
|
| 1137 |
+
"voice": "M_sm4",
|
| 1138 |
+
"text": "Quando chegamos à praia, o sol já estava se pondo atrás das montanhas.",
|
| 1139 |
+
"transcript": "Quando chegamos à praia, o sol já estava se pondo atrás das montanhas.",
|
| 1140 |
+
"wer": 0.0,
|
| 1141 |
+
"seconds": 5.25,
|
| 1142 |
+
"file": "novel053_M_sm4.wav"
|
| 1143 |
+
},
|
| 1144 |
+
{
|
| 1145 |
+
"group": "novel",
|
| 1146 |
+
"category": "novo",
|
| 1147 |
+
"voice": "F_s4",
|
| 1148 |
+
"text": "Preciso comprar pão, leite e algumas frutas antes do jantar.",
|
| 1149 |
+
"transcript": "Preciso comprar pão, leite e algumas frutas antes do jantar.",
|
| 1150 |
+
"wer": 0.0,
|
| 1151 |
+
"seconds": 5.01,
|
| 1152 |
+
"file": "novel054_F_s4.wav"
|
| 1153 |
+
},
|
| 1154 |
+
{
|
| 1155 |
+
"group": "novel",
|
| 1156 |
+
"category": "novo",
|
| 1157 |
+
"voice": "M_sm4",
|
| 1158 |
+
"text": "Preciso comprar pão, leite e algumas frutas antes do jantar.",
|
| 1159 |
+
"transcript": "Preciso comprar pão, leite e algumas frutas antes do jantar.",
|
| 1160 |
+
"wer": 0.0,
|
| 1161 |
+
"seconds": 4.36,
|
| 1162 |
+
"file": "novel054_M_sm4.wav"
|
| 1163 |
+
},
|
| 1164 |
+
{
|
| 1165 |
+
"group": "novel",
|
| 1166 |
+
"category": "novo",
|
| 1167 |
+
"voice": "F_s4",
|
| 1168 |
+
"text": "Ela abriu a janela e ficou olhando a chuva cair devagar sobre a rua.",
|
| 1169 |
+
"transcript": "Ela abriu a janela e ficou olhando a chuva cair devagar sobre a rua.",
|
| 1170 |
+
"wer": 0.0,
|
| 1171 |
+
"seconds": 5.28,
|
| 1172 |
+
"file": "novel055_F_s4.wav"
|
| 1173 |
+
},
|
| 1174 |
+
{
|
| 1175 |
+
"group": "novel",
|
| 1176 |
+
"category": "novo",
|
| 1177 |
+
"voice": "M_sm4",
|
| 1178 |
+
"text": "Ela abriu a janela e ficou olhando a chuva cair devagar sobre a rua.",
|
| 1179 |
+
"transcript": "Ela abriu a janela e ficou olhando a chuva cair devagar sobre a rua.",
|
| 1180 |
+
"wer": 0.0,
|
| 1181 |
+
"seconds": 4.81,
|
| 1182 |
+
"file": "novel055_M_sm4.wav"
|
| 1183 |
+
},
|
| 1184 |
+
{
|
| 1185 |
+
"group": "novel",
|
| 1186 |
+
"category": "novo",
|
| 1187 |
+
"voice": "F_s4",
|
| 1188 |
+
"text": "Vamos marcar uma reunião na quarta-feira, às quinze horas e trinta minutos.",
|
| 1189 |
+
"transcript": "Vamos marcar uma reunião na quarta-feira, às 15 horas e 30 minutos.",
|
| 1190 |
+
"wer": 0.0,
|
| 1191 |
+
"seconds": 5.96,
|
| 1192 |
+
"file": "novel056_F_s4.wav"
|
| 1193 |
+
},
|
| 1194 |
+
{
|
| 1195 |
+
"group": "novel",
|
| 1196 |
+
"category": "novo",
|
| 1197 |
+
"voice": "M_sm4",
|
| 1198 |
+
"text": "Vamos marcar uma reunião na quarta-feira, às quinze horas e trinta minutos.",
|
| 1199 |
+
"transcript": "Vamos marcar uma reunião na quarta-feira, às 15 horas e 30 minutos.",
|
| 1200 |
+
"wer": 0.0,
|
| 1201 |
+
"seconds": 5.7,
|
| 1202 |
+
"file": "novel056_M_sm4.wav"
|
| 1203 |
+
},
|
| 1204 |
+
{
|
| 1205 |
+
"group": "novel",
|
| 1206 |
+
"category": "novo",
|
| 1207 |
+
"voice": "F_s4",
|
| 1208 |
+
"text": "O livro que você me emprestou é muito mais interessante do que eu imaginava!",
|
| 1209 |
+
"transcript": "O livro que você me emprestou é muito mais interessante do que eu imaginava.",
|
| 1210 |
+
"wer": 0.0,
|
| 1211 |
+
"seconds": 5.24,
|
| 1212 |
+
"file": "novel057_F_s4.wav"
|
| 1213 |
+
},
|
| 1214 |
+
{
|
| 1215 |
+
"group": "novel",
|
| 1216 |
+
"category": "novo",
|
| 1217 |
+
"voice": "M_sm4",
|
| 1218 |
+
"text": "O livro que você me emprestou é muito mais interessante do que eu imaginava!",
|
| 1219 |
+
"transcript": "O livro que você me emprestou é muito mais interessante do que eu imaginava.",
|
| 1220 |
+
"wer": 0.0,
|
| 1221 |
+
"seconds": 4.96,
|
| 1222 |
+
"file": "novel057_M_sm4.wav"
|
| 1223 |
+
},
|
| 1224 |
+
{
|
| 1225 |
+
"group": "novel",
|
| 1226 |
+
"category": "novo",
|
| 1227 |
+
"voice": "F_s4",
|
| 1228 |
+
"text": "Foram apenas três dias de viagem, mas parecia que tinha passado um mês inteiro.",
|
| 1229 |
+
"transcript": "Foram apenas três dias de viagem, mas parecia que tinha passado um mês inteiro.",
|
| 1230 |
+
"wer": 0.0,
|
| 1231 |
+
"seconds": 6.42,
|
| 1232 |
+
"file": "novel058_F_s4.wav"
|
| 1233 |
+
},
|
| 1234 |
+
{
|
| 1235 |
+
"group": "novel",
|
| 1236 |
+
"category": "novo",
|
| 1237 |
+
"voice": "M_sm4",
|
| 1238 |
+
"text": "Foram apenas três dias de viagem, mas parecia que tinha passado um mês inteiro.",
|
| 1239 |
+
"transcript": "Foram apenas três dias de viagem, mas parecia que tinha passado um mês inteiro.",
|
| 1240 |
+
"wer": 0.0,
|
| 1241 |
+
"seconds": 6.06,
|
| 1242 |
+
"file": "novel058_M_sm4.wav"
|
| 1243 |
+
},
|
| 1244 |
+
{
|
| 1245 |
+
"group": "novel",
|
| 1246 |
+
"category": "novo",
|
| 1247 |
+
"voice": "F_s4",
|
| 1248 |
+
"text": "Você acha que o time vai conseguir vencer o campeonato este ano?",
|
| 1249 |
+
"transcript": "Você acha que o time vai conseguir vencer o campeonato este ano?",
|
| 1250 |
+
"wer": 0.0,
|
| 1251 |
+
"seconds": 4.43,
|
| 1252 |
+
"file": "novel059_F_s4.wav"
|
| 1253 |
+
},
|
| 1254 |
+
{
|
| 1255 |
+
"group": "novel",
|
| 1256 |
+
"category": "novo",
|
| 1257 |
+
"voice": "M_sm4",
|
| 1258 |
+
"text": "Você acha que o time vai conseguir vencer o campeonato este ano?",
|
| 1259 |
+
"transcript": "Você acha que o time vai conseguir vencer o campeonato este ano?",
|
| 1260 |
+
"wer": 0.0,
|
| 1261 |
+
"seconds": 4.38,
|
| 1262 |
+
"file": "novel059_M_sm4.wav"
|
| 1263 |
+
},
|
| 1264 |
+
{
|
| 1265 |
+
"group": "novel",
|
| 1266 |
+
"category": "novo",
|
| 1267 |
+
"voice": "F_s4",
|
| 1268 |
+
"text": "A cidade ficou em silêncio depois que o último trem partiu da estação.",
|
| 1269 |
+
"transcript": "A cidade ficou em silêncio depois que o último trem partiu da estação.",
|
| 1270 |
+
"wer": 0.0,
|
| 1271 |
+
"seconds": 5.14,
|
| 1272 |
+
"file": "novel060_F_s4.wav"
|
| 1273 |
+
},
|
| 1274 |
+
{
|
| 1275 |
+
"group": "novel",
|
| 1276 |
+
"category": "novo",
|
| 1277 |
+
"voice": "M_sm4",
|
| 1278 |
+
"text": "A cidade ficou em silêncio depois que o último trem partiu da estação.",
|
| 1279 |
+
"transcript": "A cidade ficou em silêncio depois que o último trem partiu da estação.",
|
| 1280 |
+
"wer": 0.0,
|
| 1281 |
+
"seconds": 4.97,
|
| 1282 |
+
"file": "novel060_M_sm4.wav"
|
| 1283 |
+
},
|
| 1284 |
+
{
|
| 1285 |
+
"group": "novel",
|
| 1286 |
+
"category": "novo",
|
| 1287 |
+
"voice": "F_s4",
|
| 1288 |
+
"text": "Eles compraram uma casa pequena perto do rio, com um quintal cheio de árvores.",
|
| 1289 |
+
"transcript": "Eles compraram uma casa pequena perto do rio, com um quintal cheio de árvores.",
|
| 1290 |
+
"wer": 0.0,
|
| 1291 |
+
"seconds": 5.91,
|
| 1292 |
+
"file": "novel061_F_s4.wav"
|
| 1293 |
+
},
|
| 1294 |
+
{
|
| 1295 |
+
"group": "novel",
|
| 1296 |
+
"category": "novo",
|
| 1297 |
+
"voice": "M_sm4",
|
| 1298 |
+
"text": "Eles compraram uma casa pequena perto do rio, com um quintal cheio de árvores.",
|
| 1299 |
+
"transcript": "Eles compraram uma casa pequena perto do rio, com um quintal cheio de árvores.",
|
| 1300 |
+
"wer": 0.0,
|
| 1301 |
+
"seconds": 5.55,
|
| 1302 |
+
"file": "novel061_M_sm4.wav"
|
| 1303 |
+
},
|
| 1304 |
+
{
|
| 1305 |
+
"group": "novel",
|
| 1306 |
+
"category": "novo",
|
| 1307 |
+
"voice": "F_s4",
|
| 1308 |
+
"text": "Eu pago duzentos e cinquenta reais pelo conserto, se ficar pronto amanhã.",
|
| 1309 |
+
"transcript": "Eu pago R$ 250,00 pelo conserto, se ficar pronto amanhã.",
|
| 1310 |
+
"wer": 0.0,
|
| 1311 |
+
"seconds": 5.6,
|
| 1312 |
+
"file": "novel062_F_s4.wav"
|
| 1313 |
+
},
|
| 1314 |
+
{
|
| 1315 |
+
"group": "novel",
|
| 1316 |
+
"category": "novo",
|
| 1317 |
+
"voice": "M_sm4",
|
| 1318 |
+
"text": "Eu pago duzentos e cinquenta reais pelo conserto, se ficar pronto amanhã.",
|
| 1319 |
+
"transcript": "Eu pago 250 reais pelo conserto, se ficar pronto amanhã.",
|
| 1320 |
+
"wer": 0.0,
|
| 1321 |
+
"seconds": 5.26,
|
| 1322 |
+
"file": "novel062_M_sm4.wav"
|
| 1323 |
+
},
|
| 1324 |
+
{
|
| 1325 |
+
"group": "novel",
|
| 1326 |
+
"category": "novo",
|
| 1327 |
+
"voice": "F_s4",
|
| 1328 |
+
"text": "A conversa foi longa, mas no fim todo mundo concordou com a proposta.",
|
| 1329 |
+
"transcript": "A conversa foi longa, mas no fim todo mundo concordou com a proposta.",
|
| 1330 |
+
"wer": 0.0,
|
| 1331 |
+
"seconds": 5.32,
|
| 1332 |
+
"file": "novel063_F_s4.wav"
|
| 1333 |
+
},
|
| 1334 |
+
{
|
| 1335 |
+
"group": "novel",
|
| 1336 |
+
"category": "novo",
|
| 1337 |
+
"voice": "M_sm4",
|
| 1338 |
+
"text": "A conversa foi longa, mas no fim todo mundo concordou com a proposta.",
|
| 1339 |
+
"transcript": "A conversa foi longa, mas no fim todo mundo concordou com a proposta.",
|
| 1340 |
+
"wer": 0.0,
|
| 1341 |
+
"seconds": 5.03,
|
| 1342 |
+
"file": "novel063_M_sm4.wav"
|
| 1343 |
+
}
|
| 1344 |
+
]
|
| 1345 |
+
}
|
onnx/model.json
ADDED
|
@@ -0,0 +1,82 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"sample_rate": 24000,
|
| 3 |
+
"hop": 256,
|
| 4 |
+
"voices": [
|
| 5 |
+
"F_s4",
|
| 6 |
+
"M_sm4"
|
| 7 |
+
],
|
| 8 |
+
"symbols": [
|
| 9 |
+
"<pad>",
|
| 10 |
+
"<bos>",
|
| 11 |
+
"<eos>",
|
| 12 |
+
"<sp>",
|
| 13 |
+
"<unk>",
|
| 14 |
+
",",
|
| 15 |
+
".",
|
| 16 |
+
"?",
|
| 17 |
+
"!",
|
| 18 |
+
";",
|
| 19 |
+
":",
|
| 20 |
+
"\"",
|
| 21 |
+
"'",
|
| 22 |
+
"(",
|
| 23 |
+
")",
|
| 24 |
+
"—",
|
| 25 |
+
"…",
|
| 26 |
+
"p",
|
| 27 |
+
"b",
|
| 28 |
+
"t",
|
| 29 |
+
"d",
|
| 30 |
+
"k",
|
| 31 |
+
"ɡ",
|
| 32 |
+
"f",
|
| 33 |
+
"v",
|
| 34 |
+
"s",
|
| 35 |
+
"z",
|
| 36 |
+
"ʃ",
|
| 37 |
+
"ʒ",
|
| 38 |
+
"x",
|
| 39 |
+
"m",
|
| 40 |
+
"n",
|
| 41 |
+
"ɲ",
|
| 42 |
+
"l",
|
| 43 |
+
"ʎ",
|
| 44 |
+
"ɾ",
|
| 45 |
+
"tʃ",
|
| 46 |
+
"dʒ",
|
| 47 |
+
"j",
|
| 48 |
+
"w",
|
| 49 |
+
"j̃",
|
| 50 |
+
"w̃",
|
| 51 |
+
"a",
|
| 52 |
+
"ɐ",
|
| 53 |
+
"e",
|
| 54 |
+
"ɛ",
|
| 55 |
+
"i",
|
| 56 |
+
"o",
|
| 57 |
+
"ɔ",
|
| 58 |
+
"u",
|
| 59 |
+
"ɐ̃",
|
| 60 |
+
"ẽ",
|
| 61 |
+
"ĩ",
|
| 62 |
+
"õ",
|
| 63 |
+
"ũ"
|
| 64 |
+
],
|
| 65 |
+
"max_tokens": 512,
|
| 66 |
+
"max_frames": 3000,
|
| 67 |
+
"step": 104000,
|
| 68 |
+
"frontend": "dizione-ptbr",
|
| 69 |
+
"frontend_fingerprint": "c8b278571f76e11e47cf66612f6d0470ca3a1b892c85d2091a4cf054c3367862",
|
| 70 |
+
"inputs": [
|
| 71 |
+
"tokens",
|
| 72 |
+
"stress",
|
| 73 |
+
"voice",
|
| 74 |
+
"speed",
|
| 75 |
+
"pitch_shift",
|
| 76 |
+
"pitch_range"
|
| 77 |
+
],
|
| 78 |
+
"outputs": [
|
| 79 |
+
"audio",
|
| 80 |
+
"durations"
|
| 81 |
+
]
|
| 82 |
+
}
|
onnx/model.onnx
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:0ac1ffc83e508973513182ed79d4626556e35bcffcccd99ee066dde6d2c77e5b
|
| 3 |
+
size 21370200
|
samples/demo_semfence_F_s4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:26235ac66f697cf95675c0eafdcd6cacc71d5316228c32c0be5a5f0cb60a5ce5
|
| 3 |
+
size 1183824
|
samples/demo_semfence_M_sm4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:17d1ef0e9e76038b3f69a36047fc3bf74bc6149af85f0bb67b8204603ffc069c
|
| 3 |
+
size 1127504
|
samples/numeros_F_s4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:4cc6475797d115cdb8e866cebb0a6746371948e5946119d80ee7e23b5cf0d8a7
|
| 3 |
+
size 687660
|
samples/numeros_M_sm4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:0583ec491031a5a3629a0fec739c81e641e8c0235664682900f5952a07a9d97a
|
| 3 |
+
size 660012
|
samples/outono_F_s4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b9478143debb0fdd6cd5d4e64a39edfe75548f30a1993bc99e68bb8a7439974a
|
| 3 |
+
size 1431632
|
samples/outono_M_sm4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b89b5ab4faaff705eec9dced6a3e1cec22188442f346692fc689c815ae91b896
|
| 3 |
+
size 1384528
|
samples/pergunta_F_s4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:80067cc9bee749592e7657cba9717f930a5ac004c1e7a4ddcea5d88937d84263
|
| 3 |
+
size 267308
|
samples/pergunta_M_sm4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:4dd924e24269e22993f6866991d1679f7aeaaed5d940f64aa0822fd248c89e6b
|
| 3 |
+
size 256044
|
samples/saudacao_F_s4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:09234cd8856d14dcaba51054bd66cfd50e87b707d621dcfdbc1e7961f7e96d86
|
| 3 |
+
size 383020
|
samples/saudacao_M_sm4.wav
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:321b4c4a17a7e5f0831c553b0809f4886b523c1eddaac4350c3b038d484342a8
|
| 3 |
+
size 357420
|
tiny-voca-ptbr.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ae4614b02572f59ea0c60f81fcbc3d0dd995d8f82321cee3d7546c7a6f8627e2
|
| 3 |
+
size 18192837
|