Datasets:
id stringlengths 20 39 | text stringlengths 8 96 | annotated stringlengths 8 136 | intent stringclasses 21
values | slots stringlengths 2 176 | generation_mode stringclasses 3
values | generator_model stringclasses 2
values | tts_system stringclasses 2
values | duration float64 0.64 14.4 | audio audioduration (s) 0.64 14.4 |
|---|---|---|---|---|---|---|---|---|---|
synth_cov_addcontact_0_000 | بلاهي حط النيمرو هذا في الريبيرتوار | بلاهي حط النيمرو هذا في <list_name> الريبيرتوار > | addcontact | [{"label": "list_name", "value": "الريبيرتوار"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.4 | |
synth_cov_addcontact_0_001 | زيد السيد هذا ل ليستة الخدمة باش ما ننساش | زيد السيد هذا ل <list_name> ليستة الخدمة > باش ما ننساش | addcontact | [{"label": "list_name", "value": "ليستة الخدمة"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.36 | |
synth_cov_addcontact_0_002 | نحب نزيدها في liste d'attente تو | نحب نزيدها في <list_name> liste d'attente > تو | addcontact | [{"label": "list_name", "value": "liste d'attente"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.92 | |
synth_cov_addcontact_0_003 | عيشك قيدهالي في كارني دادريس متع التليفون | عيشك قيدهالي في <list_name> كارني دادريس متع التليفون > | addcontact | [{"label": "list_name", "value": "كارني دادريس متع التليفون"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.2 | |
synth_cov_addcontact_0_005 | بربي حطو في ليستة البلوك ما عادش نحب نكلمو | بربي حطو في <list_name> ليستة البلوك > ما عادش نحب نكلمو | addcontact | [{"label": "list_name", "value": "ليستة البلوك"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 4.64 | |
synth_cov_addcontact_0_006 | زيد النومرو الجديد في contacts favoris | زيد النومرو الجديد في <list_name> contacts favoris > | addcontact | [{"label": "list_name", "value": "contacts favoris"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 4 | |
synth_cov_addcontact_0_008 | امان زيدني الايميل متاعو لل liste noire | امان زيدني الايميل متاعو لل <list_name> liste noire > | addcontact | [{"label": "list_name", "value": "liste noire"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_cov_addcontact_0_009 | حطهم في groupe whatsapp متع العايلة | حطهم في <list_name> groupe whatsapp متع العايلة > | addcontact | [{"label": "list_name", "value": "groupe whatsapp متع العايلة"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.84 | |
synth_cov_addcontact_0_010 | نحب نسجل الكوردوني متاعها في ليستة المعازيم | نحب نسجل الكوردوني متاعها في <list_name> ليستة المعازيم > | addcontact | [{"label": "list_name", "value": "ليستة المعازيم"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.84 | |
synth_cov_addcontact_0_011 | زيدها لل contacts d'urgence متاعي يرحم والديك | زيدها لل <list_name> contacts d'urgence > متاعي يرحم والديك | addcontact | [{"label": "list_name", "value": "contacts d'urgence"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 4 | |
synth_cov_addcontact_0_012 | بلاهي اجوتي الفورنيسور هذا لل les VIP | بلاهي اجوتي الفورنيسور هذا لل <list_name> les VIP > | addcontact | [{"label": "list_name", "value": "les VIP"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.68 | |
synth_cov_addcontact_0_013 | قيد الطفلة هذي في mes favoris | قيد الطفلة هذي في <list_name> mes favoris > | addcontact | [{"label": "list_name", "value": "mes favoris"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.2 | |
synth_cov_addcontact_0_014 | تنجم تزيدو ل liste de diffusion متاعنا | تنجم تزيدو ل <list_name> liste de diffusion متاعنا > | addcontact | [{"label": "list_name", "value": "liste de diffusion متاعنا"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 5.76 | |
synth_cov_addcontact_0_015 | سجل النومرو و حطو في ليستة صحابي | سجل النومرو و حطو في <list_name> ليستة صحابي > | addcontact | [{"label": "list_name", "value": "ليستة صحابي"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.4 | |
synth_cov_addcontact_0_016 | زيد السيد هذا مع les abonnés الجدد | زيد السيد هذا مع <list_name> les abonnés الجدد > | addcontact | [{"label": "list_name", "value": "les abonnés الجدد"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.72 | |
synth_cov_addcontact_0_017 | بربي حط مريم في liste des invités متع العرس | بربي حط <person> مريم > في <list_name> liste des invités متع العرس > | addcontact | [{"label": "person", "value": "مريم"}, {"label": "list_name", "value": "liste des invités متع العرس"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.84 | |
synth_cov_addcontact_0_018 | لازمك تزيدو ل liste noire متع الشركة | لازمك تزيدو ل <list_name> liste noire متع الشركة > | addcontact | [{"label": "list_name", "value": "liste noire متع الشركة"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.72 | |
synth_cov_addcontact_0_019 | قيدلي النيمرو متاعو في les numéros bloqués | قيدلي النيمرو متاعو في <list_name> les numéros bloqués > | addcontact | [{"label": "list_name", "value": "les numéros bloqués"}] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.36 | |
synth_par_addcontact_0_000 | نحبك تقيدهم في ال ليستة متع ال contact و تعمللهم ايميل رابيل | نحبك تقيدهم في ال <list_name> ليستة متع ال contact > و تعمللهم ايميل رابيل | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.76 | |
synth_par_addcontact_0_001 | حط الجماعة في ليستة متع ال contact و ابعثلهم ميساج rappel عالايميل | حط الجماعة في <list_name> ليستة متع ال contact > و ابعثلهم ميساج rappel عالايميل | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 7.2 | |
synth_par_addcontact_0_002 | تنجم تزيدهم في ال ليستة متع ال contact وتعديلهم ايميل يفكرهم | تنجم تزيدهم في ال <list_name> ليستة متع ال contact > وتعديلهم ايميل يفكرهم | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.96 | |
synth_par_addcontact_0_003 | عيشك دخلهم لل ليستة متع ال contact و سيبيلهم ايميل متع rappel | عيشك دخلهم لل <list_name> ليستة متع ال contact > و سيبيلهم ايميل متع rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.28 | |
synth_par_addcontact_0_004 | زيد العباد هاذم لل ليستة متع ال contact و ابعثلهم email باش تذكرهم | زيد العباد هاذم لل <list_name> ليستة متع ال contact > و ابعثلهم email باش تذكرهم | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 7.04 | |
synth_par_addcontact_0_005 | بلاهي صبهم في ال ليستة متع ال contact و اعمللهم email rappel | بلاهي صبهم في ال <list_name> ليستة متع ال contact > و اعمللهم email rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.8 | |
synth_par_addcontact_0_006 | قيدلي الاسامي في ال ليستة متع ال contact و ابعثلهم email متع تذكير | قيدلي الاسامي في ال <list_name> ليستة متع ال contact > و ابعثلهم email متع تذكير | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.44 | |
synth_par_addcontact_0_007 | تنجم تحطهم توا في ليستة متع ال contact و تبعث email rappel ليهم | تنجم تحطهم توا في <list_name> ليستة متع ال contact > و تبعث email rappel ليهم | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 6.4 | |
synth_par_addcontact_0_008 | حطهم عيشك في ال ليستة متع ال contact و خليه يمشفلهم ايميل تذكير | حطهم عيشك في ال <list_name> ليستة متع ال contact > و خليه يمشفلهم ايميل تذكير | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.6 | |
synth_par_addcontact_0_009 | أمان دخلهم في ليستة متع ال contact و ابعث email rappel للناس هاذم | أمان دخلهم في <list_name> ليستة متع ال contact > و ابعث email rappel للناس هاذم | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.64 | |
synth_par_addcontact_0_010 | سجلهم في ال ليستة متع ال contact و ابعثلهم ايميل يفكرهم | سجلهم في ال <list_name> ليستة متع ال contact > و ابعثلهم ايميل يفكرهم | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 6.88 | |
synth_par_addcontact_0_011 | اجوتيهم بلاهي لل ليستة متع ال contact و طيحلهم ايميل رابيل | اجوتيهم بلاهي لل <list_name> ليستة متع ال contact > و طيحلهم ايميل رابيل | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 7.2 | |
synth_par_addcontact_0_012 | زيد الجماعة في ليستة متع ال contact و تعدا ابعثلهم email rappel | زيد الجماعة في <list_name> ليستة متع ال contact > و تعدا ابعثلهم email rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.96 | |
synth_par_addcontact_0_013 | نحبك تزيدهم لل ليستة متع ال contact و تعمللهم un email de rappel | نحبك تزيدهم لل <list_name> ليستة متع ال contact > و تعمللهم un email de rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.6 | |
synth_par_addcontact_0_014 | بربي قيد الناس هذي في ليستة متع ال contact و ابعث ايميل تذكير ليهم | بربي قيد الناس هذي في <list_name> ليستة متع ال contact > و ابعث ايميل تذكير ليهم | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.76 | |
synth_par_addcontact_0_015 | دخلهم توا لل ليستة متع ال contact و ابعث email متع rappel | دخلهم توا لل <list_name> ليستة متع ال contact > و ابعث email متع rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 6.72 | |
synth_par_addcontact_0_016 | سجل العباد هاذم في ليستة متع ال contact و خليهم ياخذو ايميل rappel | سجل العباد هاذم في <list_name> ليستة متع ال contact > و خليهم ياخذو ايميل rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 6.88 | |
synth_par_addcontact_0_017 | ضيفهم لل ليستة متع ال contact و ابعثلهم مايل متع تذكير | ضيفهم لل <list_name> ليستة متع ال contact > و ابعثلهم مايل متع تذكير | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.16 | |
synth_par_addcontact_0_018 | بربي زيدهم في ليستة متع ال contact و اعطيهم ايميل باش يتفكرو | بربي زيدهم في <list_name> ليستة متع ال contact > و اعطيهم ايميل باش يتفكرو | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.32 | |
synth_par_addcontact_0_019 | حطلي العباد في ال ليستة متع ال contact و ابعثلهم un mail de rappel | حطلي العباد في ال <list_name> ليستة متع ال contact > و ابعثلهم un mail de rappel | addcontact | [{"label": "list_name", "value": "ليستة متع ال contact"}] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 6.24 | |
synth_cov_joke_0_000 | اعطيني نكتة تضحك | اعطيني نكتة تضحك | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.44 | |
synth_cov_joke_0_001 | ضحكني شوية راني فديت | ضحكني شوية راني فديت | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.6 | |
synth_cov_joke_0_002 | فماشي نكتة جديدة بلاهي | فماشي نكتة جديدة بلاهي | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.84 | |
synth_cov_joke_0_003 | نحبك تحكيلي نكتة تو | نحبك تحكيلي نكتة تو | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.36 | |
synth_cov_joke_0_004 | تعرفشي نكتة مزيانة | تعرفشي نكتة مزيانة | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.44 | |
synth_cov_joke_0_005 | قلي حاجة تضحك يرحم بوك | قلي حاجة تضحك يرحم بوك | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.04 | |
synth_cov_joke_0_006 | هات نكتة على الطاير | هات نكتة على الطاير | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.24 | |
synth_cov_joke_0_007 | قول نكتة تره | قول نكتة تره | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.12 | |
synth_cov_joke_0_008 | عندكشي نكتة تعمل الكيف | عندكشي نكتة تعمل الكيف | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 4.16 | |
synth_cov_joke_0_009 | سمعني نكتة تفرهد | سمعني نكتة تفرهد | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.44 | |
synth_cov_joke_0_010 | بلاهي اعطيني نكتة من عندك | بلاهي اعطيني نكتة من عندك | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.52 | |
synth_cov_joke_0_011 | عيشك قلي نكتة باهية | عيشك قلي نكتة باهية | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.52 | |
synth_cov_joke_0_012 | فديت برشا هات ضحكني | فديت برشا هات ضحكني | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.08 | |
synth_cov_joke_0_013 | أسمعني احكيلي نكتة | أسمعني احكيلي نكتة | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.76 | |
synth_cov_joke_0_014 | فماشي حاجة تضحك تحكيهالي | فماشي حاجة تضحك تحكيهالي | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.52 | |
synth_cov_joke_0_015 | نحب نسمع نكتة طيارة | نحب نسمع نكتة طيارة | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.52 | |
synth_cov_joke_0_016 | قول نكتة خلي نبدلو الجو | قول نكتة خلي نبدلو الجو | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.6 | |
synth_cov_joke_0_017 | تنجم تقول نكتة تره | تنجم تقول نكتة تره | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.68 | |
synth_cov_joke_0_019 | سمعني نكتة تعمل مزية | سمعني نكتة تعمل مزية | joke | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.84 | |
synth_par_joke_0_000 | بلاهي احكيلي نكتة تضحك | بلاهي احكيلي نكتة تضحك | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 3.36 | |
synth_par_joke_0_001 | أليكسا ضحكني شوية واعطيني نكتة | أليكسا ضحكني شوية واعطيني نكتة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 5.12 | |
synth_par_joke_0_002 | تعرفشي نكتة ضامرة | تعرفشي نكتة ضامرة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 1.28 | |
synth_par_joke_0_003 | هات نكتة من عندك تبدل الجو | هات نكتة من عندك تبدل الجو | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 3.52 | |
synth_par_joke_0_004 | نحب نسمع نكتة جديدة | نحب نسمع نكتة جديدة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.24 | |
synth_par_joke_0_005 | أليكسا تنجم تقلي نكتة | أليكسا تنجم تقلي نكتة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 1.92 | |
synth_par_joke_0_006 | فماشي نكتة باهية تفرهد | فماشي نكتة باهية تفرهد | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_par_joke_0_007 | احكيلي نكتة تعمل الكيف | احكيلي نكتة تعمل الكيف | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 3.04 | |
synth_par_joke_0_008 | سمعني نكتة تقتل بالضحك بلاهي | سمعني نكتة تقتل بالضحك بلاهي | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.72 | |
synth_par_joke_0_009 | عندكشي نكتة حلوة | عندكشي نكتة حلوة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 1.28 | |
synth_par_joke_0_010 | أليكسا اعطيني نكتة طيارة | أليكسا اعطيني نكتة طيارة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.08 | |
synth_par_joke_0_011 | نحبك تحكيلي نكتة ضامرة برشا | نحبك تحكيلي نكتة ضامرة برشا | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.32 | |
synth_par_joke_0_012 | شقولك تقلي نكتة تبدل المورال | شقولك تقلي نكتة تبدل المورال | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.72 | |
synth_par_joke_0_013 | تعرف تحكي نكت أليكسا | تعرف تحكي نكت أليكسا | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 1.92 | |
synth_par_joke_0_014 | أعطيني نكتة تضحك بلاهي | أعطيني نكتة تضحك بلاهي | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.4 | |
synth_par_joke_0_015 | أليكسا قلي نكتة تفرهد على القلب | أليكسا قلي نكتة تفرهد على القلب | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.88 | |
synth_par_joke_0_016 | هات حويجة تضحك ولا نكتة | هات حويجة تضحك ولا نكتة | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_par_joke_0_017 | احكيلي نكتة عاد | احكيلي نكتة عاد | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 1.92 | |
synth_par_joke_0_018 | تنجم تسمعني نكتة باهية | تنجم تسمعني نكتة باهية | joke | [] | paraphrase | gemini-3.1-pro-preview | voxcpm_base | 4.64 | |
synth_dis_joke_0_000 | عيشك قلي نكتة باهية خليني نضحك | عيشك قلي نكتة باهية خليني نضحك | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 8.8 | |
synth_dis_joke_0_001 | سيري احكيلي نكتة تضحك برشا | سيري احكيلي نكتة تضحك برشا | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 3.36 | |
synth_dis_joke_0_002 | بلاهي ضحكني شوية راني فديت | بلاهي ضحكني شوية راني فديت | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 3.2 | |
synth_dis_joke_0_003 | تعرفشي نكتة مزيانة تفرهد على القلب | تعرفشي نكتة مزيانة تفرهد على القلب | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 3.04 | |
synth_dis_joke_0_004 | هات نكتة من عندك تو | هات نكتة من عندك تو | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 1.44 | |
synth_dis_joke_0_005 | أليكسا اعطيني une blague | أليكسا اعطيني une blague | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_dis_joke_0_006 | فدلك معايا شوية بلاهي | فدلك معايا شوية بلاهي | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_dis_joke_0_007 | نحب نضحك فماشي نكتة جديدة | نحب نضحك فماشي نكتة جديدة | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 3.36 | |
synth_dis_joke_0_008 | قلي حاجة تضحك عيشك | قلي حاجة تضحك عيشك | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.08 | |
synth_dis_joke_0_009 | حافظ نكت احكيلي وحدة | حافظ نكت احكيلي وحدة | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.08 | |
synth_dis_joke_0_010 | راني متقلق برشا سمعني نكتة | راني متقلق برشا سمعني نكتة | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.08 | |
synth_dis_joke_0_012 | عندكشي نكتة طيارة نسمعها | عندكشي نكتة طيارة نسمعها | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_dis_joke_0_013 | سيري تفدلك ولا لا أحكيلي نكتة | سيري تفدلك ولا لا أحكيلي نكتة | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 1.76 | |
synth_dis_joke_0_014 | نحس في روحي فادد ضحكني | نحس في روحي فادد ضحكني | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_dis_joke_0_015 | سمعني نكتة تعمل الكيف | سمعني نكتة تعمل الكيف | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 4.48 | |
synth_dis_joke_0_016 | فماشي حاجة تفرهد هات نكتة | فماشي حاجة تفرهد هات نكتة | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 2.24 | |
synth_dis_joke_0_018 | بلاهي تعرف تنكت ورينا | بلاهي تعرف تنكت ورينا | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 3.52 | |
synth_dis_joke_0_019 | فديت من الخدمة احكيلي نكتة | فديت من الخدمة احكيلي نكتة | joke | [] | distractor | gemini-3.1-pro-preview | voxcpm_base | 3.2 | |
synth_cov_querycontact_0_000 | وين نلقى les contacts متاعي | وين نلقى les contacts متاعي | querycontact | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.76 | |
synth_cov_querycontact_0_001 | فما شكون طلبني | فما شكون طلبني | querycontact | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.44 | |
synth_cov_querycontact_0_002 | اعطيني النوامر الجدد الي تقيدو | اعطيني النوامر الجدد الي تقيدو | querycontact | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.56 | |
synth_cov_querycontact_0_003 | شنوة النوامر المقيدين عندي | شنوة النوامر المقيدين عندي | querycontact | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 3.84 | |
synth_cov_querycontact_0_004 | نحب نلوج على contact | نحب نلوج على contact | querycontact | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 1.76 | |
synth_cov_querycontact_0_005 | شكون كلمني على التليفون | شكون كلمني على التليفون | querycontact | [] | coverage | gemini-3.1-pro-preview | voxcpm_base | 2.4 |
Aslema-Synth-TN
Aslema-Synth-TN is a fully synthetic Tunisian Derja corpus for spoken language understanding: speech annotated for intent and for slot filling. It was built for NADI 2026 Shared Task 5 to cover the intents and slots that are rare or absent in the real SLURP-TN training split, and it is the augmentation set behind the Aslema system, which ranked 1st in slot filling on the official test set.
No human was recorded for this dataset. An LLM wrote the utterance text, a rule filter and a panel of LLM judges cut it down, and a text-to-speech model spoke it.
At a glance
| Dataset Attribute | Information |
|---|---|
| utterances | 22,940 |
| audio | 22.12 hours, 16 kHz mono |
| median utterance | 3.36 s (range 0.64 to 14.40 s) |
| intent labels | 21 |
| slot types / spans | 26 / 23,841 |
| utterances with no slot | 6,765 (29%), by design |
| splits | one train split |
Each text was spoken twice, by two versions of the same TTS model. Both are released,
marked in the tts_system column.
tts_system |
Utterances | Hours | Key |
|---|---|---|---|
voxcpm_base |
11,871 | 10.38 | stock VoxCPM |
voxcpm_lora_ft |
11,069 | 11.74 | VoxCPM after LoRA fine-tuning on ~2.8 h of SLURP-TN training speech |
| total | 22,940 | 22.12 |
The two systems saw the same text and the same reference-voice pool, so the pair supports a direct comparison of TTS fine-tuning as an augmentation choice. The counts differ because each system's output was filtered independently.
Counts in the figure are rounded, and its two per-system numbers are clip counts before the acoustic filter. The released counts are in the table above.
Development pipeline
The above figure summarizes the pipeline used to construct this dataset, from seed utterance selection to final audio rule-based filtering.
Repository contents
data/train-*.parquet: thetrainsplit, 12 shards (2.4 GB), with embedded audio the Hugging Face viewer can play.data/metadata.csv: the same rows as a flat table, no audio bytes. Itsfile_namecolumn names the WAV each row would occupy underdata/audio/.build_release.py: the script that produced both from the pipeline's working directory, including the anonymization steps.
Loose WAV files are not stored here. 22,940 small LFS objects would make the repo slow to clone for no extra information, since every byte is already in the parquet. Write them out locally in one pass:
import soundfile as sf, pathlib
from datasets import load_dataset
out = pathlib.Path("data/audio"); out.mkdir(parents=True, exist_ok=True)
for row in load_dataset("<your-username>/Aslema-Synth-TN", split="train"):
sf.write(out / f"{row['id']}.wav", row["audio"]["array"], 16000)
Quick start
from datasets import load_dataset
ds = load_dataset("<your-username>/Aslema-Synth-TN", split="train")
print(ds[0]["intent"], ds[0]["text"])
print(ds[0]["audio"]["sampling_rate"], ds[0]["audio"]["array"].shape)
To read only the labels, without downloading 2.4 GB of audio:
from huggingface_hub import hf_hub_download
import pandas as pd
path = hf_hub_download(
repo_id="<your-username>/Aslema-Synth-TN",
repo_type="dataset",
filename="data/metadata.csv",
)
print(pd.read_csv(path).head())
Schema
| column | description |
|---|---|
id |
unique utterance id: synth_<mode>_<intent>_<batch>_<index>, with a trailing _ft for the LoRA-fine-tuned system |
audio |
synthesized speech, 16 kHz mono |
text |
Tunisian Derja transcript |
annotated |
the same transcript with inline SLURP-TN slot markup |
intent |
intent label, one of 21 |
slots |
JSON string: a list of {"label": ..., "value": ...} |
generation_mode |
coverage, paraphrase, or distractor |
generator_model |
the LLM that wrote the utterance |
tts_system |
voxcpm_base or voxcpm_lora_ft |
duration |
seconds |
data/metadata.csv carries the same columns plus file_name, and drops audio.
One row, as it appears there:
file_name,id,text,annotated,intent,slots,generation_mode,generator_model,tts_system,duration
data/audio/synth_cov_addcontact_0_000.wav,synth_cov_addcontact_0_000,بلاهي حط النيمرو هذا في الريبيرتوار,بلاهي حط النيمرو هذا في <list_name> الريبيرتوار >,addcontact,"[{""label"": ""list_name"", ""value"": ""الريبيرتوار""}]",coverage,gemini-3.1-pro-preview,voxcpm_base,2.4
The markup in annotated follows SLURP-TN: a slot opens with <label> and closes
with a bare >. Stripping the markup returns text exactly.
Generation modes
generation_mode |
utterances | hours | purpose |
|---|---|---|---|
coverage |
17,897 | 17.35 | fresh utterances for an intent, with newly invented slot values; rare intents got a larger quota |
distractor |
3,357 | 3.06 | slot-free utterances for slot-bearing intents, to hold slot precision up |
paraphrase |
1,686 | 1.71 | dialectal rephrasings of a real training utterance, with slot labels and values frozen |
| total | 22,940 | 22.12 |
Slot values in coverage rows are new, never copied from the training split, so the
set also tests robustness to unseen values.
Label inventory
| intent | utterances | intent | utterances |
|---|---|---|---|
general_greet |
2,445 | email_query |
1,173 |
email_addcontact |
2,079 | news_query |
1,093 |
general_joke |
1,967 | email_sendemail |
1,058 |
alarm_query |
1,958 | weather_query |
1,038 |
alarm_remove |
1,824 | quirky |
350 |
takeaway_query |
1,695 | query |
336 |
takeaway_order |
1,538 | sendemail |
285 |
email_querycontact |
1,400 | greet |
121 |
alarm_set |
1,174 | joke |
98 |
general_quirky |
1,174 | addcontact |
74 |
querycontact |
60 | ||
| total | 22,940 |
The label set is the shared task's own, which is why both general_greet and a bare
greet appear. They are distinct labels in SLURP-TN, not a normalization error here.
| slot | spans | slot | spans | slot | spans |
|---|---|---|---|---|---|
date |
4,774 | time |
2,695 | person |
2,151 |
relation |
1,742 | personal_info |
1,586 | timeofday |
1,421 |
food_type |
1,408 | order_type |
1,204 | place_name |
1,079 |
joke_type |
956 | business_name |
883 | event_name |
880 |
business_type |
707 | weather_descriptor |
547 | email_address |
376 |
news_topic |
375 | media_type |
284 | house_place |
199 |
alarm_type |
129 | email_folder |
127 | meal_type |
112 |
general_frequency |
92 | list_name |
84 | transport_type |
14 |
personal |
12 | app_name |
4 | total | 23,841 |
Intended use
Recommended:
- augmenting low-resource Tunisian Derja SLU training sets. Mixing all 22,940 rows with the 2,677 real SLURP-TN training utterances gives the 25,617-utterance training set used by the Aslema system
- studying LLM-plus-TTS synthetic augmentation for spoken language understanding
- comparing stock against task-fine-tuned TTS, using the
tts_systemcolumn - robustness work on unseen slot values and rare intents
Not recommended:
- as an evaluation benchmark. This is augmentation data and its labels came from models, not humans; evaluate on the real SLURP-TN devtest or the shared task's official test set instead
- speaker identification or biometric profiling
- re-identifying, impersonating, or further cloning the voices underlying the audio
- any deployment where a synthetic annotation error would carry a safety cost
Ethics and limitations
The reference clips used for voice cloning come from the train split of the publicly
released Elyadata/SLURP-TN
corpus, the same corpus the shared task's real training data comes from. No audio
recorded outside that public corpus was used, and the mapping from a synthetic clip
back to the recording it was cloned from is deliberately not part of this
release. Nothing here identifies the machines, accounts, or file paths used to
produce it.
An LLM wrote every utterance from a label name and training-split few-shot examples,
and was never shown personal data. Slot values are therefore invented entities:
names, contact-list names, and email-like strings that fill the SLURP-TN slot schema.
As a precaution, any string matching an email address or a run of seven or more
digits was replaced before release with contact@example.com and 0000000
respectively; 363 email placeholders remain in the text. No other free-text scrubbing
was applied.
Known limits:
- No human annotator ever validated a label. The filter is three automatic voters, and its error rate on this data is unmeasured.
- Synthesized speech lacks the prosody, disfluency, and channel variation of real spontaneous speech, so a model trained on this alone underperforms one trained on the mix. The paper reports both.
- Voice diversity is bounded by the 152-utterance reference pool.
- The intent distribution is deliberately flatter than the real one and reflects no natural prior over user requests.
- Tunisian Derja code-switches with French; the transcripts keep the Latin-script French tokens as generated.
License
Released under CC BY-NC-SA 4.0.
On lineage: the upstream Elyadata/SLURP-TN corpus, whose train split provided the
voice-cloning references, declares no license on its dataset card. These terms cover
the synthetic material produced here and grant no rights over that upstream corpus.
Citation
@inproceedings{shafiq2026aslema,
title = "Aslema at {NADI} 2026: Data Augmentation for Intent Recognition and Slot Filling",
author = "Shafiq, Tajwaar and Bhatti, Hunzalah Hassan and
Alam, Firoj and Chowdhury, Shammur Absar",
booktitle = "Proceedings of the Fourth Arabic Natural Language Processing Conference (ArabicNLP 2026)",
year = "2026",
address = "Budapest, Hungary",
publisher = "Association for Computational Linguistics"
}
Please also cite the corpus the references and labels derive from, and the TTS model:
@article{elleuch2026slurptn,
title = "{SLURP-TN}: Resource for {T}unisian Dialect Spoken Language Understanding",
author = "Elleuch, Haroun and Mdhaffar, Salima and Est{\`e}ve, Yannick and Bougares, Fethi",
journal = "arXiv preprint arXiv:2603.21940",
year = "2026",
url = "https://arxiv.org/abs/2603.21940"
}
@article{zhou2026voxcpm2,
title = "{V}ox{CPM}2 Technical Report",
author = "Zhou, Yixuan and Zeng, Guoyang and Liu, Xin and others",
journal = "arXiv preprint arXiv:2606.06928",
year = "2026",
url = "https://arxiv.org/abs/2606.06928"
}
- Downloads last month
- 65
