Common Voice Spontaneous Speech 2.0 - Russian

Русский — Russian (ru)

This datasheet has been generated automatically, we would love to include more information, if you would like to help out, get in touch!

This datasheet is for version 2.0 of the the Mozilla Common Voice Spontaneous Speech dataset for Russian (ru). The dataset contains 426 clips representing 3 hours of recorded speech (2 hours validated) from 12 speakers.

Data splits for modelling

Transcriptions

• Prompts: 269

• Duration: 2:31:02 [h:m:s]

• Avg. Transcription Len: 274

• Avg. Duration: 21.27[s]

• Valid Duration: 6105.744[s]

• Total hours: 2.52[h]

• Valid hours: 1.7[h]

Samples

Questions

There follows a randomly selected sample of questions used in the corpus.

Ответь почему ты редко используешь букву ё?
Какой самый красивый природный объект вы видели?
Какие традиции есть в вашей семье на Новый год?
Какой самый необычный предмет у вас дома?
Твоя любимая кричалка?

Responses

There follows a randomly selected sample of transcribed responses from the corpus.

Я редко использую букву "ё", потому что она далеко находится на клавиатуре.
Неважно сколько лет пройдёт, но самым красивым природным явлением или объектом для меня останется небо и всё, что с ним связано. Потому что каждый раз я смотрю на них как в первый.
Пока я верил в Деда Мороза, у нас было принято, а, выходить на улицу в новогоднюю ночь. Проблема была в том, что я я я заметил одну з- закономерность и паттерн, после которого в Деда Мороза стало слишком сложно верить. Я заметил, как отец постоянно оставался дома в момент, когда мы уходили. И почему-то именно после этого подарки оказывались дома. Больше того, оставленный ужин для Деда Мороза оказывался подъеден, а папа есть не хотел. И как-то у меня в какой-то момент два плюс два в голове сложилось и я, э-э, понял, что, ну, как бы что-то тут не сходится. Деда Мороза судя по всему нет.
"Какой самый необычный предмет у вас дома?". [pause]. Спасибо, что пропустили! А-а, я почти уверен, что это будет музыкальный инструмент из Австралии. Я даже его имени не скажу, потому что мне [unclear] на День рождения по рофлу подарил друг.
Зенит чемпион по продаже макарон!

Fields

Each row of a tsv file represents a single audio clip, and contains the following information:

• client_id - hashed UUID of a given user

• audio_id - numeric id for audio file

• audio_file - audio file name

• duration_ms - duration of audio in milliseconds

• prompt_id - numeric id for prompt

• prompt - question for user

• transcription - transcription of the audio response

• votes - number of people that who approved a given transcript

• age - age of the speaker1

• gender - gender of the speaker1

• language - language name

• split - for data modelling, which subset of the data does this clip pertain to

• char_per_sec - how many characters of transcription per second of audio

• quality_tags - some automated assessment of the transcription--audio pair, separated by |

  • transcription-length - character per second under 3 characters per second

  • speech-rate - characters per second over 30 characters per second

  • short-audio - audio length under 2 seconds

  • long-audio - audio length over 30 seconds

Get involved!

Community links

• Common Voice translators on Pontoon

• Original language request on GitHub

Contribute

• Contribute questions

• Validate questions

• Answer questions

• Transcribe recordings

• Validate transcriptions

Licence

This dataset is released under the Creative Commons Zero (CC-0) licence. By downloading this data you agree to not determine the identity of speakers in the dataset.

Footnotes

1. For a full list of age, gender, and accent options, see the demographics spec. These will only be reported if the speaker opted in to provide that information. ↩ ↩2