CoolFace
Datasetpublic

Sh1man/golos_opus

Dataset Description GOLOS is a Russian dataset for speech research. This is the OPUS version of the GOLOS dataset. Usage from datasets import load_dataset, Audio dataset = load_dataset("Sh1man/golos_opus", "crowd", split="train") print(dataset[0]['opus']) Dataset Statistics Dataset structure Domain Train files Train hours Test files Test hours Crowd 979 796 1 095 9 994 11.2 Farfield 124 003 132.4 1 916 1.4 Total 1 103… See the full description on the dataset page: https://huggingface.co/datasets/Sh1man/golos_opus.

sourceHugging Facecc-by-nc-4.0updated 1y agoView on Hugging Face
0likes89downloads
Dataset Card

Dataset Description

GOLOS is a Russian dataset for speech research. This is the OPUS version of the GOLOS dataset.

Usage

python
from datasets import load_dataset, Audio

dataset = load_dataset("Sh1man/golos_opus", "crowd", split="train")
print(dataset[0]['opus'])

Dataset Statistics

Dataset structure

DomainTrain filesTrain hoursTest filesTest hours
Crowd979 7961 0959 99411.2
Farfield124 003132.41 9161.4
Total1 103 7991 227.411 91012.6

📊 Сводная статистика аудио-датасетов

📈 Общая статистика по всем датасетам

МетрикаЗначение
Всего датасетов/сабсетов2
Всего семплов1,115,709
Общая продолжительность1240.05 часов (4464197.58 секунд)
Средняя продолжительность семпла4.00 секунд

Распределение объема данных по датасетам

crowd        ███████████████████████████████████ 88.7%
farfield     ████ 11.3%

Датасет: crowd

Информация по сплитам

🔹 Тренировочный набор (train)
МетрикаЗначение
Количество семплов979,796
Общая продолжительность1094.99 часов (3941955.12 секунд)
Средняя продолжительность семпла4.02 секунд
🔹 Тестовый набор (test)
МетрикаЗначение
Количество семплов9,994
Общая продолжительность11.20 часов (40321.19 секунд)
Средняя продолжительность семпла4.03 секунд

📊 Общая статистика датасета

МетрикаЗначение
Всего сплитов2
Всего семплов989,790
Общая продолжительность1106.19 часов (3982276.31 секунд)
Средняя продолжительность семпла4.02 секунд

Распределение данных по сплитам

train        ███████████████████████████████████████ 99.0%
test          1.0%

Датасет: farfield

Информация по сплитам

🔹 Тренировочный набор (train)
МетрикаЗначение
Количество семплов124,003
Общая продолжительность132.46 часов (476852.53 секунд)
Средняя продолжительность семпла3.85 секунд
🔹 Тестовый набор (test)
МетрикаЗначение
Количество семплов1,916
Общая продолжительность1.41 часов (5068.74 секунд)
Средняя продолжительность семпла2.65 секунд

📊 Общая статистика датасета

МетрикаЗначение
Всего сплитов2
Всего семплов125,919
Общая продолжительность133.87 часов (481921.27 секунд)
Средняя продолжительность семпла3.83 секунд

Распределение данных по сплитам

train        ███████████████████████████████████████ 98.5%
test          1.5%

License

English Version: https://github.com/salute-developers/golos/blob/master/license/en_us.pdf

Russian Version: https://github.com/salute-developers/golos/blob/master/license/ru.pdf

Citation

@inproceedings{karpov21_interspeech,
  author={Nikolay Karpov and Alexander Denisenko and Fedor Minkin},
  title={{Golos: Russian Dataset for Speech Research}},
  year=2021,
  booktitle={Proc. Interspeech 2021},
  pages={1419--1423},
  doi={10.21437/Interspeech.2021-462}
}