Oh My Word!

Palavras e licenças

De onde vêm as palavras e as vozes do jogo, e a licença de cada coisa.

Lista de palavras em português

Feita a partir de dois dicionários do LibreOffice: o VERO, Verificador Ortográfico do LibreOffice para o português do Brasil (Raimundo Moura e a comunidade brasileira do LibreOffice), versão 3.3.0, e o dicionário de português europeu de José João Almeida, Rui Vilela e Alberto Simões (Universidade do Minho), versão 20.10.5.1, os dois do repositório github.com/LibreOffice/dictionaries e usados sob a Mozilla Public License 2.0. Expandimos os dois dicionários para todas as formas de cada palavra, tiramos os acentos e a cedilha (Ç vira C), descartamos nomes próprios, siglas e formas com hífen, juntamos as grafias do Brasil e de Portugal, acrescentamos algumas palavras do dia a dia e do tema, e tiramos as palavras bloqueadas.

A lista do jogo, em sua forma-fonte, sob a mesma licença (um arquivo de texto com uma palavra por linha, compactado em .zip porque tem 34 MB):

Lista de palavras em português (words_full.zip, 6,6 MB)

Lista de bloqueio em português (blocklist.txt): as palavras que o jogo nunca aceita. Suas formas flexionadas vêm dos mesmos dicionários (MPL 2.0); suas palavras-base são em parte adaptadas da LDNOOBW (veja abaixo). Aviso de conteúdo: inclui insultos e palavrões.

Texto completo da Mozilla Public License 2.0 (em inglês). A licença cobre só esses arquivos, não o resto do jogo.

Lista de palavras em inglês

Feita a partir da lista de palavras ENABLE (Enhanced North American Benchmark Lexicon), que é de domínio público, mais algumas palavras do tema e do dia a dia nossas. Nossa própria lista de bloqueio tira os insultos e as palavras ofensivas.

Lista de palavras em espanhol

Feita a partir do dicionário RLA-ES (Santiago Bosio e colaboradores), sob a Mozilla Public License 2.0. Veja os detalhes e baixe a lista na página em espanhol.

Listas de bloqueio

As listas de bloqueio em português e em espanhol contêm material adaptado (selecionado, sem acentos e flexionado) da List of Dirty, Naughty, Obscene, and Otherwise Bad Words da Shutterstock, com licença CC BY 4.0. A lista de bloqueio em inglês é nossa.

Frequência das palavras

Para escolher quais palavras em português e em espanhol os níveis usam, ordenamos as palavras pela frequência com que aparecem em legendas de filmes, com o FrequencyWords de Hermit Dave (a partir do OpenSubtitles 2018), com licença CC BY-SA 4.0. Essa classificação só é usada enquanto criamos os níveis; ela não faz parte do jogo.

Vozes

Os elogios falados ("Demais!", "Incrível!") são voz gerada por IA. Em inglês ("Nice!", "Amazing!") são feitos com o modelo de texto para fala Kokoro-82M e suas vozes, com licença Apache 2.0. Em português e em espanhol são feitos com o Chatterbox da Resemble AI, cujo código e modelo têm licença MIT. "Oh my word!" mantém as palavras em inglês em todos os idiomas, ditas com a voz de cada idioma.

Cada idioma tem sua própria voz. O Chatterbox a clona a partir de uma amostra curta de uma voz aberta de um falante nativo, que geramos com as vozes de texto para fala do Piper (rhasspy/piper-voices): espanhol, davefx (Espanha); português do Brasil, faber; português europeu, tugão; italiano, paola; holandês, pim; polonês, darkman; alemão, Thorsten (Thorsten Müller, Thorsten-Voice). Essas vozes estão em domínio público, com CC0. Quem joga em Portugal, Angola, Moçambique e nos outros países que seguem o português europeu ouve a voz portuguesa ("Espetacular!"); no resto do mundo, a voz brasileira ("Demais!"). A voz francesa é a SIWIS, treinada com a SIWIS French Speech Synthesis Database (Universidade de Edimburgo e Idiap Research Institute), com licença CC BY 4.0; nós a modificamos ao cloná-la nos nossos elogios. Não havia nenhuma voz turca nativa aberta, então os elogios em turco usam a voz do próprio Chatterbox, guiada com fala em turco.