govnejri/golos_mfa_punctuation

Golos MFA Punctuation

Расширенная версия датасета Golos — русскоязычного корпуса речи с краудсорс и студийными записями. Датасет дополнен пунктуацией и word-level временными метками (MFA alignment).

Опубликовано и поддерживается [Jeti Labs](https://huggingface.co/JetiLabs).

Описание

Что добавлено по сравнению с оригинальным Golos

1. Пунктуация Оригинальный Golos поставляется без знаков препинания. Пунктуация восстановлена с помощью модели RUPunct medium — нейронной модели для расстановки знаков препинания в русскоязычных текстах. Поддерживаемые знаки: . , ? ! -

2. Word-level timestamps (MFA Alignment) Каждое слово аннотировано временными метками начала и конца с помощью Montreal Forced Aligner (MFA) и акустической модели russian_mfa + словаря произношений russian_mfa.

Структура записи

{
  "audio": "<waveform>",
  "text": "Привет, как дела?",
  "duration": 3.45,
  "lang": "ru",
  "words": "[{\"word\": \"Привет\", \"start\": 0.12, \"end\": 0.54}, {\"word\": \"как\", \"start\": 0.61, \"end\": 0.82}, {\"word\": \"дела\", \"start\": 0.85, \"end\": 1.20}]"
}