itxtoledo commited on
Commit
e39ad03
·
verified ·
1 Parent(s): bf9af7f

tiny-voca-ptbr: modelo, ONNX, exemplos e avaliação

Browse files
.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