Woorden en licenties
Waar de woorden en stemmen van het spel van gemaakt zijn, en de licentie van elk onderdeel.
Nederlandse woordenlijst
Gemaakt van de Nederlandse woordenlijst van OpenTaal (Stichting OpenTaal), github.com/OpenTaal/opentaal-wordlist, versie 2.20.23, gebruikt onder de Revised BSD License (3-clause). Copyright © 2020 OpenTaal (Simon Brouwer, Sander van Geloven); © 2006–2011 OpenTaal (Ruud Baars, Simon Brouwer); © 2001–2005 Simon Brouwer e.a.; © 1996 Nederlandstalige TeX Gebruikersgroep. We hielden alleen de woorden van letters zonder hoofdletters, haalden de accenten weg (é, ë, ï … worden E, E, I; IJ is gewoon een I en een J), lieten woorden vallen die de tegels niet kunnen spellen, voegden een paar alledaagse woorden toe en haalden geblokkeerde woorden eruit.
De lijst in het spel, als platte tekst, met dezelfde licentie:
Nederlandse woordenlijst (words_full.txt, 4,4 MB)
Nederlandse blokkeerlijst (blocklist.txt): de woorden die het spel nooit accepteert. De verbogen vormen komen uit OpenTaal (BSD); de basiswoorden zijn deels bewerkt naar LDNOOBW (zie hieronder). Let op: de lijst bevat scheldwoorden en grof taalgebruik.
De licentievoorwaarden van OpenTaal, volledige tekst (Nederlands en Engels, met de BSD- en CC BY 3.0-teksten). De licentie geldt alleen voor deze bestanden, niet voor de rest van het spel. OpenTaal onderschrijft of promoot dit spel niet.
Engelse woordenlijst
Gemaakt van de woordenlijst ENABLE (Enhanced North American Benchmark Lexicon), die in het publieke domein is, plus een paar eigen thema- en alledaagse woorden. Onze eigen blokkeerlijst haalt scheldwoorden en beledigingen eruit.
Spaanse woordenlijst
Gemaakt van het Spaanse woordenboek RLA-ES, Recursos Lingüísticos Abiertos del Español (Santiago Bosio en bijdragers), github.com/sbosio/rla-es, versie 2.9, gebruikt onder de Mozilla Public License 2.0.
Spaanse woordenlijst (words_full.txt, 6,9 MB)
Spaanse blokkeerlijst (blocklist.txt). De Mozilla Public License 2.0, volledige tekst.
Blokkeerlijsten
De Nederlandse en de Spaanse blokkeerlijst bevatten materiaal dat is bewerkt (geselecteerd, zonder accenten en verbogen) naar de List of Dirty, Naughty, Obscene, and Otherwise Bad Words van Shutterstock, met licentie CC BY 4.0. De Engelse blokkeerlijst is van onszelf.
Woordfrequenties
Om te kiezen welke Nederlandse woorden de levels gebruiken, hebben we woorden gerangschikt op hoe vaak ze in filmondertitels voorkomen, met FrequencyWords van Hermit Dave (uit OpenSubtitles 2018), met licentie CC BY-SA 4.0. Die rangschikking gebruiken we alleen bij het maken van de levels; ze zit niet in het spel.
Stemmen
De gesproken complimenten ("Netjes!", "Fantastisch!") zijn met AI gemaakte spraak. In het Nederlands en het Spaans worden ze gemaakt met Chatterbox van Resemble AI, met code en model onder licentie MIT. In het Engels ("Nice!", "Amazing!") worden ze gemaakt met het tekst-naar-spraakmodel Kokoro-82M en de stemmen ervan, met licentie Apache 2.0. "Oh my word!" houdt in elke taal zijn Engelse woorden, uitgesproken met de stem van die taal.
Elke taal heeft een eigen stem. Chatterbox kloont die uit een kort fragment van een open stem van een moedertaalspreker, die we hebben gemaakt met de tekst-naar-spraakstemmen van Piper (rhasspy/piper-voices): Nederlands, pim; Spaans, davefx (Spanje); Braziliaans Portugees, faber; Europees Portugees, tugão; Italiaans, paola; Pools, darkman; Duits, Thorsten (Thorsten Müller, Thorsten-Voice). Die stemmen zijn met CC0 vrijgegeven in het publieke domein. De Franse stem is SIWIS, getraind op de SIWIS French Speech Synthesis Database (Universiteit van Edinburgh en Idiap Research Institute), met licentie CC BY 4.0; we hebben hem bewerkt door hem in onze complimenten te klonen. Er was geen open Turkse moedertaalstem beschikbaar, dus de Turkse complimenten gebruiken de eigen stem van Chatterbox, gestuurd met Turkse spraak.



