nilc-nlp/catna-clean-prosodic-concatenated

---
dataset_info:
features:
- name: File
dtype: large_string
- name: Speaker
dtype: large_string
- name: Number_Concatenated
dtype: int64
- name: Index_Concatenated
dtype: large_string
- name: Start
dtype: float64
- name: End
dtype: float64
- name: Duration
dtype: float64
- name: Text
dtype: large_string
- name: audio
dtype: audio
splits:
- name: train
num_bytes: 14923685507
num_examples: 9872
download_size: 13118838107
dataset_size: 14923685507
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

CATNA:

Entendível / Nível de Ruído

SP_D2_008_parte_2: sim / médio \
SP_D2_010_parte_1: maioria / médio\
SP_D2_010_parte_3: maioria / médio\
SP_D2_012: maioria / muito\
SP_D2_023_parte_1: sim / pouco (de fundo)\
SP_D2_055_0: maioria (estourado) / não\
SP_D2_078: sim / pouco\
SP_D2_095: sim / não\
SP_D2_109: sim / não\
SP_DID_001: sim / pouco\
SP_DID_002: sim / pouco\
SP_DID_009: sim / médio\
SP_DID_011: sim / pouco\
SP_DID_013: sim / médio\
SP_DID_016: maioria / médio\
SP_DID_017: sim / pouco\
SP_DID_030: sim / pouco\
SP_DID_043: sim / pouco\
SP_DID_044: sim / médio\
SP_DID_053: sim / não\
SP_DID_068: sim / não\
SP_DID_070: sim / pouco\
SP_DID_089: sim / não\
SP_DID_090: sim / pouco\
SP_DID_111: maioria / médio\
SP_DID_114: sim / pouco\
SP_DID_121: sim / não\

Marcações do CATNA que não existem no CM foram removidas.
Assim, caso toda uma concatenação fosse composta de marcações, ela não seria considerada neste dataset.
Ainda é possível haver marcações no meio de uma concatenação (Ex: Risadas no meio de uma frase), mas elas não estão transcritas.