Shenava 1.0: Open Streaming Persian ASR and Captioning
Collection
Public Shenava 1.0 release: Persian ASR models, Phase A/B datasets, AL corrections, eval artifacts, and demos. • 60 items • Updated • 7
Datasets:
audio audioduration (s) 0.27 56.9 | text stringlengths 2 635 |
|---|---|
ابتدای کار سیمرغ ای عجب جلوه گر بگذشت بر چین نیم شب در میان چین فتاد از وی پری لاجرم پرشور شد هر کشوری هر کسی نقشی از آن پر برگرفت | |
هر که دید آن نقش کاری درگرفت آن پر اکنون در نگارستان چین ست اطلبو العلم و لو بالصین ازین ست گر نگشتی نقش پر او عیان این همه غوغا نبودی در جهان | |
این همه آثار صنع از فر اوست جمله انمودار نقش پر اوست چون نه سر پیداست وصفش را نه بن نیست لایق بیش از این گفتن سخن هر که اکنون از شما مرد رهید | |
سر به راه آرید و پا اندر نهید جمله مرغان شدند آن جایگاه بی قرار از عزت آن پادشاه شوق او در جان ایشان کار کرد هر یکی | |
بی صبری بسیار کرد عزم ره کردند و در پیش آمدند عاشق او دشمن خویش آمدند لیک چون ره بس دراز و دور بود هر کسی از رفتنش رنجور بود گر چه ره را بود هر یک کارساز هر یکی عذری دگر گفتند باز | |
بلبل شیدا درآمد مست مست وز کمال عشق نه نیست و نه هست معنیی در هر هزار آواز داشت زیر هر معنی جهانی راز داشت | |
شد در اسرار معانی نعره زن کرد مرغان را زفان بند از سخن گفت بر من ختم شد اسرار عشق جمله شب می کنم تکرار عشق | |
نیست چون داوود یک افتاده کار تا زبور عشق خوانم زار زار زاری اندر نی ز گفتار من است زیر چنگ از ناله زار من است | |
گل ستان ها پر خروش از من بود در دل عشاق جوش از من بود بازگویم هر زمان رازی دگر در دهم هر ساعت آوازی دگر | |
عشق چون بر جان من زور آورد همچو دریا جان من شور آورد هر که شور من بدید از دست شد گر چه بس هشیار آمد مست شد | |
چون نبینم محرمی سالی دراز تن زنم با کس نگویم هیچ راز چون کند معشوق من در نوبهار مشک بوی خویش بر گیتی نثار | |
می بپردازد خوشی با او دلم حل کنم بر طلعت او مشکلم باز معشوقم چو ناپیدا شود بلبل شوریده کم گویا شود | |
زآنک رازم درنیابد هر یکی راز بلبل گل بداند بی شکی من چنان در عشق گل مستغرقم کز وجود خویش محو مطلقم در سرم از عشق گل سودا بس است | |
زآنک مطلوبم گل رعنا بس است طاقت سیمرغ نارد بلبلی بلبلی را بس بود عشق گلی چون بود صد برگ دلدار مرا کی بود بی برگیی کار مرا | |
گل که حالی بشکفد چون دلکشی از همه در روی من خندد خوشی چون ز زیر پرده گل حاضر شود خنده بر روی منش ظاهر شود کی تواند بود بلبل یک شبی | |
خالی از عشق چنان خندان لبی هدهدش گفت ای به صورت مانده باز بیش از این در عشق رعنایی مناز عشق روی گل بسی خارت نهاد | |
کارگر شد بر تو و کارت نهاد گل اگر چه هست بس صاحب جمال حسن او در هفته ای گیرد زوال عشق چیزی کآن زوال آرد پدید | |
کاملان را آن ملال آرد پدید خنده گل گر چه در کارت کشد روز و شب در ناله زارت کشد درگذر از گل که گل هر نوبهار بر تو می خندد نه در تو شرم دار | |
حکایت طوطی طوطی آمد با دهان پر شکر در لباس فستقی با طوق زر پشه گشته باشه ای از فر او هر کجا سرسبزیی از پر او | |
در سخن گفتن شکرریز آمده در شکر خوردن پگه خیز آمده گفت هر سنگین دل و هر هیچ کس چون منی را آهنین سازد قفس | |
من در این زندان آهن مانده باز زآرزوی آب خضرم در گداز خضر مرغانم از آنم سبزپوش بوک دانم کردن آب خضر نوش | |
من نیارم در بر سیمرغ تاب بس بود از چشمه خضرم یک آب سر نهم در راه چون سوداییی می روم هر جای چون هر جاییی | |
چون نشان یابم ز آب زندگی سلطنت دستم دهد در بندگی هدهدش گفت ای ز دولت بی نشان مرد نبود هرک نبود جان فشان | |
جان ز بهر این به کار آید تو را تا دمی در خورد یار آید تو را آب حیوان خواهی و جان دوستی رو که تو مغزی نداری پوستی | |
جان چه خواهی کرد بر جانان فشان در ره جانان چو مردان جان فشان | |
حکایت بت بط به صد پاکی برون آمد ز آب در میان جمع با خیرالثیاب گفت در هر دو جهان ندهد خبر | |
کس ز من یک پاک روتر پاک تر کرده ام هر لحظه غسلی بر صواب پس سجاده باز افکنده بر آب همچو من بر آب چون استد یکی | |
نیست باقی در کراماتم شکی زاهد مرغان منم با رأی پاک دایمم هم جامه و هم جای پاک من نیابم در جهان بی آب سود | |
زآن که زاد و بود من در آب بود گرچ در دل عالمی غم داشتم شستم از دل کآب همدم داشتم آب در جوی من ست این جا مدام | |
من به خشکی چون توانم یافت کام چون مرا با آب افتادست کار از میان آب چون گیرم کنار | |
زنده از آب است دایم هرچ هست این چنین از آب نتوان شست دست من ره وادی کجا دانم برید زآنک با سیمرغ نتوانم پرید | |
آنک باشد قله آبش تمام کی تواند یافت از سیمرغ کام هدهدش گفت ای به آبی خوش شده | |
گرد جانت آب چون آتش شده در میان آب خوش خوابت ببرد قطره آب آمد و آبت ببرد آب هست از بهر هر ناشسته روی | |
گر تو بس ناشسته رویی آب جوی چند باشد همچو آب روشنت روی هر ناشسته رویی | |
حکایت همای پیش جمع آمد همای سایه بخش خسروان را ظل او سرمایه بخش زان همای بس همایون آمد او | |
کز همه در همت افزون آمد او گفت ای پرندگان بحر و بر من نیم مرغی چو مرغان دگر همت عالیم در کار آمدست | |
عزلت از خلقم پدیدار آمدست نفس سگ را خوار دارم لاجرم عزت از من یافت آفریدون و جم پادشاهان سایه پرورد من اند بس گدای طبع | |
نی مرد من اند نفس سگ را استخوانی می دهم روح را زین سگ امانی می دهم نفس را چون استخوان دادم مدام جان من زان یافت | |
این عالی مقام آنک شه خیزد ز ظل پر او چون توان پیچید سر از فر او جمله را در پر او باید نشست تا ز ظلش ذره ای آید به دست | |
کی شود سیمرغ سرکش یار من بس بود خسرو نشانی کار من هدهدش گفت ای غرورت کرده بند سایه درچین بیش از این برخود مخند | |
نیستت خسرو نشانی این زمان همچو سگ با استخوانی این زمان خسروان را کاشکی ننشانیی خویش را از استخوان برهانیی | |
من گرفتم خود که شاهان جهان جمله از ظل تو خیزند این زمان لیک فردا در بلا عمر دراز جمله از شاهی خود مانند باز | |
سایه تو گر ندیدی شهریار در بلا کی ماندی روز شمار | |
سینه می کرد از سپه داری خویش لاف می زد از کله داری خویش گفت من از شوق دست شهریار چشم بربستم ز خلق روزگار | |
چشم از آن بگرفته ام زیر کلاه تا رسد پایم به دست پادشاه در ادب خود را بسی پرورده ام همچو مرتاضان ریاضت کرده ام تا اگر روزی بر شاهم برند | |
از رسوم خدمت آگاهم برند من کجا سیمرغ را بینم به خواب چون کنم بیهوده سوی او شتاب زقه ای از دست شاهم بس بود در جهان این پایگاهم بس بود | |
چون ندارم رهروی را پایگاه سرفرازی می کنم بر دست شاه من اگر شایسته سلطان شوم به که در وادی بی پایان شوم روی آن دارم که من بر روی شاه | |
عمر بگذارم خوشی این جایگاه گاه شه را انتظاری می کنم گاه در شوقش شکاری می کنم هدهدش گفت ای به صورت مانده باز از صفت دور و به صورت مانده باز | |
شاه را در ملک اگر همتا بود پادشاهی کی بر او زیبا بود سلطنت را نیست چون سیمرغ کس زآنک بی همتا به شاهی اوست و بس | |
شاه نبود آنک در هر کشوری سازد او از خود ز بی مغزی سری شاه آن باشد که همتا نبودش جز وفا و جز مدارا نبودش شاه دنیا گر وفاداری کند | |
یک زمان دیگر گرفتاری کند هرک باشد پیش او نزدیک تر کار او بی شک بود تاریک تر دایما از شاه باشد بر حذر جان او پیوسته باشد | |
پر خطر شاه دنیا فی المثل چون آتش است دور باش از وی که دوری زو خوش است زآن بود در پیش شاهان دور باش کای شده نزدیک شاهان دور باش | |
پس درآمد زود بوتیمار پیش گفت ای مرغان من و تیمار خویش بر لب دریاست خوش تر جای من نشنود هرگز کسی آوای من | |
از کم آزاری من هرگز دمی کس نیازارد ز من در عالمی بر لب دریا نشینم دردمند دایما اندوهگین و مستمند | |
زآرزوی آب دل پر خون کنم چون دریغ آید نجوشم چون کنم چون نیم من اهل دریا ای عجب بر لب دریا بمیرم خشک لب | |
گر چه دریا می زند صد گونه جوش من نیارم کرد از او یک قطره نوش گر ز دریا کم شود یک قطره آب زآتش غیرت دلم گردد کباب | |
چون منی را عشق دریا بس بود در سرم این شیوه سودا بس بود جز غم دریا نخواهم این زمان تاب سیمرغم نباشد الامان | |
آنک او را قطره آب ست اصل کی تواند یافت از سیمرغ وصل هدهدش گفت | |
دریا پر نهنگ و جانور گاه تلخ است آب او را گاه شور گاه آرام است او را گاه زور منقلب چیز است و ناپاینده هم | |
گه شونده گاه بازآینده هم بس بزرگان را که کشتی کرد خرد بس که در گرداب او افتاد و مرد هرک چون غواص ره دارد در او | |
از غم جان دم نگه دارد در او ور زند در قعر دریا دم کسی مرده از بن با سر افتد چون خسی از چنین کس کاو وفاداری نداشت | |
هیچ کس اومید دلداری نداشت گر تو از دریا نیایی با کنار غرقه گرداند تو را پایان کار می زند او خود ز شوق دوست جوش | |
گاه در موج است و گاهی در خروش او چو خود را می نیابد کام دل تو نیابی هم از او آرام دل هست دریا چشمه ای از کوی او تو چرا قانع شدی بی روی او | |
حکایت کوف کوف آمد پیش چون دیوانه ای گفت من بگزیده ام ویرانه ای عاجزی ام در خرابی زاده من در خرابی می روم بی باده من | |
گر چه معموری بسی خوش یافتم هم مخالف هم مشوش یافتم هرک در جمعیتی خواهد نشست در خرابی بایدش رفتن چو مست در خرابی جای می سازم به رنج | |
زآنک باشد در خرابی جای گنج عشق گنجم در خرابی ره نمود سوی گنجم جز خرابی ره نبود دور بردم از همه کس رنج خویش بوک یابم بی طلسمی گنج خویش | |
گر فرو رفتی به گنجی پای من باز رستی این دل خودرأی من عشق بر سیمرغ جز افسانه نیست زآنک عشقش کار هر مردانه نیست من نیم در عشق او مردانه ای | |
عشق گنجم باید و ویرانه ای هدهدش گفت ای ز عشق گنج مست من گرفتم کآمدت گنجی به دست بر سر آن گنج خود را مرده گیر | |
عمر رفته ره به سر نابرده گیر عشق گنج و عشق زر از کافری ست هرک از زر بت کند او آزری ست زر پرستیدن | |
بود از کافری نیستی آخر ز قوم سامری هر دلی کز عشق زر گیرد خلل در قیامت صورتش گردد بدل | |
صعوه آمد دل ضعیف و تن نزار پای تا سر همچو آتش بی قرار گفت من حیران و فرتوت آمدم بی دل و بی قوت و قوت آمدم | |
همچو موسی بازو و زوریم نیست وز ضعیفی قوت موریم نیست من نه پر دارم نه پا نه هیچ نیز | |
کی رسم در گرد سیمرغ عزیز پیش او این مرغ عاجز کی رسد صعوه در سیمرغ هرگز کی رسد در جهان او را طلب کاران بسی ست | |
وصل او کی لایق چون من کسی ست در وصال او چو نتوانم رسید بر محالی راه نتوانم برید گر نهم رویی به سوی درگهش | |
یا بمیرم یا بسوزم در رهش چون نیم من مرد او این جایگاه یوسف خود باز می جویم ز چاه یوسفی گم کرده ام در چاهسار | |
بازیابم آخرش در روزگار گر بیابم یوسف خود را ز چاه بر پرم با او من از ماهی به ماه هدهدش گفت | |
ای ز شنگی و خوشی کرده در افتادگی صد سرکشی جمله سالوسی تو من این کی خرم نیست این سالوسی تو درخورم پای در ره نه مزن دم | |
لب بدوز گر بسوزند این همه تو هم بسوز گر تو یعقوبی به معنی فی المثل یوسفت ندهند کمتر کن حیل می فروزد آتش غیرت مدام عشق یوسف هست بر عالم حرام | |
بعد از آن طاووس آمد زرنگار نقش پرش صد چه بلکه صد هزار چون عروسی جلوه کردن ساز کرد هر پر او جلوه ای آغاز کرد گفت | |
تا نقاش غیبم نقش بست چینیان را شد قلم انگشت دست گر چه من جبریل مرغانم ولیک رفت بر من از قضا کاری نه نیک | |
یار شد با من به یک جا مار زشت تا بیفتادم به خواری از بهشت چون بدل کردند خلوت جای من تخت بند پای من شد بای من | |
عزم آن دارم کزین تاریک جای رهبری باشد به خلدم رهنمای من نه آن مردم که در سلطان رسم بس بود اینم که در دروان رسم کی بود سیمرغ را پروای من | |
بس بود فردوس عالی جای من من ندارم در جهان کاری دگر تا بهشتم ره دهد باری دگر هدهدش گفت ای ز خود گم کرده راه | |
هر که خواهد خانه ای از پادشاه گوی نزدیکی او این زآن به است خانه ای از حضرت سلطان به است خانه نفس است خلد پر هوس | |
خانه دل مقعد صدق است و بس حضرت حق هست دریای عظیم قطره خرد است جنات النعیم قطره باشد هر که را دریا بود | |
هر چه جز دریا بود سودا بود چون به دریا می توانی راه یافت سوی یک شبنم چرا باید شتافت هر که داند گفت با خورشید راز | |
کی تواند ماند از یک ذره باز هر که کل شد جزو را با او چه کار وآن که جان شد عضو را با او چه کار گر تو هستی مرد کلی کل ببین کل طلب کل باش کل شو کل گزین | |
حکایت کبک کبک بس خرم خرامان در رسید سرکش و سرمست از کان در رسید سرخ منقار وشی پوش آمده خون او از دیده در جوش آمده | |
گاه می برید بی تیغی کمر گاه می گنجید پیش تیغ در گفت من پیوسته در کان گشته ام بر سر گوهر فراوان گشته ام | |
بوده ام پیوسته با تیغ و کمر تا توانم بود سرهنگ گهر عشق گوهر آتشی زد در دلم بس بود این آتش خوش حاصلم | |
تفت این آتش چو سر بیرون کند سنگ ریزه در درونم خون کند آتشی دیدی که چون تأثیر کرد سنگ را خون کرد و بی تأخیر کرد | |
در میان سنگ و آتش مانده ام هم معطل هم مشوش مانده ام سنگ ریزه می خورم در تف و تاب دل پر آتش می کنم بر سنگ خواب | |
چشم بگشایید ای اصحاب من بنگرید آخر به خورد و خواب من آنک بر سنگی بخفت و سنگ خورد با چنین کس از چه باید جنگ کرد | |
دل در این سختی به صد اندوه خست زآنک عشق گوهرم بر کوه بست هرک چیزی دوست | |
جاودان دارد نظام جان او با کوه پیوسته مدام من عیار کوهم و مرد گهر نیستم یک لحظه با تیغ و کمر | |
چون بود در تیغ گوهر بر دوام زآن گهر در تیغ می جویم مدام نه چو گوهر هیچ گوهر یافتم نه ز گوهر گوهری تر یافتم | |
چون ره سیمرغ راه مشکل است پای من در سنگ گوهر در گل است من به سیمرغ قوی دل کی رسم دست بر سر پای در گل کی رسم | |
همچو آتش برنتابم سوز سنگ یا بمیرم یا گهر آرم به چنگ گوهرم باید که گردد آشکار مرد بی گوهر کجا آید به کار | |
هدهدش گفت ای چو گوهر جمله رنگ چند لنگی چندم آری عذر لنگ پا و منقار تو پر خون جگر | |
تو به سنگی بازمانده بی گهر اصل گوهر چیست سنگی کرده رنگ تو چنین آهن دل از سودای سنگ |
End of preview. Expand in Data Studio
🗂️ ganjoor-recitations-chunked
English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission
🌟 At a glance | معرفی سریع
| English | فارسی | |
|---|---|---|
| 🎯 Purpose | Ganjoor recitation chunked ASR dataset. | قطعههای تلاوت و خوانش گنجور برای آموزش و ارزیابی گفتار ادبی، شعر و خوانش رسمی فارسی. |
| 🧩 Role | Persian speech dataset | مجموعهدادهٔ گفتار فارسی |
| 📦 Snapshot | 64 files; approximately 118.09 GB | 64 فایل؛ حدود 118.09 GB |
| 🧱 Packaging | 61 Parquet files and 0 standalone audio files | 61 فایل Parquet و 0 فایل صوتی مستقل |
| 🗣️ Language | Persian / Farsi | فارسی |
| ⚖️ License | Apache License 2.0 | مجوز Apache 2.0 |
🇬🇧 English dataset card
🧭 Dataset description
Ganjoor recitation chunked ASR dataset. It is published as one component of the Shenava-1 open Persian speech stack. The collection separates training corpora, relabels, active-learning queues, calibration sets, and held-out evaluation assets so that each repository has a clear operational role.
This card documents the repository snapshot rather than claiming that every file is an interchangeable training example. Consumers must distinguish raw media, manifests, pipeline state, labels, benchmark outputs, and model-generated annotations. Preserve source identifiers and consult retained technical notes for artifact-specific fields.
🎯 Intended uses
- Reproduce the specific Shenava/VisualEars pipeline stage named by this repository.
- Train, filter, calibrate, review, or evaluate Persian speech systems according to the role above.
- Study Persian ASR data quality, acoustic conditions, text normalization, hard words, and semantic error behavior.
- Build documented derivatives while retaining source revision, row identifiers, provenance, and transformation logs.
🚫 Uses to avoid
- Do not merge evaluation or gold sets into training data.
- Do not assume machine-generated labels are equivalent to human-verified ground truth.
- Do not use uncertain, non-Persian, raw, or calibration queues as clean training data without applying their review decision.
- Do not use speech content to infer sensitive personal attributes or to identify speakers.
- Do not publish private information found in audio or transcripts; downstream users remain responsible for privacy review.
📁 Repository structure
Audited snapshot: 64 files, approximately 118.09 GB. Common file groups: .parquet × 61, no extension × 2, .md × 1.
Representative or largest paths:
data/train-00037-of-00061.parquetdata/train-00034-of-00061.parquetdata/train-00041-of-00061.parquetdata/train-00033-of-00061.parquetdata/train-00049-of-00061.parquet
Parquet repositories should be read by shard. Audio-folder repositories may require their metadata/manifests to pair media with labels. Pipeline-state and result repositories can contain JSON, JSONL, CSV, or checkpoint artifacts rather than a conventional train table.
🚀 Loading and inspection
from datasets import load_dataset
repo_id = "Reza2kn/ganjoor-recitations-chunked"
dataset = load_dataset(repo_id, split="train", streaming=True)
first = next(iter(dataset))
print(first.keys())
If the repository is an artifact archive rather than a directly loadable dataset script, use snapshot_download(repo_id=repo_id, repo_type="dataset") and read its manifests or media files explicitly. Always inspect features, split names, and the card revision before launching a long job.
For audio, confirm the decoded sampling rate and channel count rather than trusting filename extensions. For text, preserve Persian Unicode, ZWNJ/half-space, digits, and original text before applying a normalized view. Never overwrite the source transcript during normalization.
🧬 Provenance and processing
The repository name and collection note define its stage in the Shenava pipeline. Derived labels, confidence signals, curriculum decisions, and quality buckets should be treated as versioned annotations. When creating a derivative, record the source repository revision, selection rule, normalization version, model revision used for pseudo-labeling, and human-review status.
✅ Quality checks
At minimum, validate file readability, unique/stable identifiers, audio duration, transcript emptiness, language, sampling rate, clipping, duplicated content, and manifest/media correspondence. For evaluation data, verify that reference text and sample membership have not changed. For generated labels, manually inspect stratified samples across confidence, duration, source, and acoustic condition.
⚠️ Biases and limitations
The data may unevenly represent accents, regions, ages, genders, speaking styles, recording devices, noise conditions, and formal versus conversational Persian. Filtering can improve average label quality while removing difficult but important speakers. Pseudo-labels inherit model errors. Literary recitation, telephony, far-field audio, and spontaneous speech are distinct domains and should not be treated as interchangeable.
🇮🇷 کارت مجموعهداده به فارسی
🧭 معرفی مجموعهداده
قطعههای تلاوت و خوانش گنجور برای آموزش و ارزیابی گفتار ادبی، شعر و خوانش رسمی فارسی. این مخزن بخشی از زنجیرهٔ باز و فارسیمحور Shenava-1 است. مجموعه، پیکرهٔ آموزش، بازبرچسبگذاری، صف یادگیری فعال، دادهٔ کالیبراسیون و معیارهای نگهداشتهشده را جدا میکند تا نقش هر مخزن روشن بماند.
این کارت وضعیت یک نسخهٔ مشخص از مخزن را توضیح میدهد و ادعا نمیکند که همهٔ فایلها نمونهٔ آموزشی همنوع هستند. رسانهٔ خام، manifest، وضعیت خط لوله، برچسب، خروجی بنچمارک و annotation تولیدشده با مدل باید بر اساس نقش واقعی خود مصرف شوند.
🎯 کاربردهای پیشنهادی
- بازتولید همان مرحله از خط لولهٔ Shenava/VisualEars که در نام و توضیح مخزن آمده است.
- آموزش، پالایش، کالیبراسیون، بازبینی یا ارزیابی سامانهٔ گفتار فارسی متناسب با نقش داده.
- مطالعهٔ کیفیت داده، شرایط صوتی، نرمالسازی متن، واژههای دشوار و خطاهای معنایی.
- ساخت مشتق مستند همراه با حفظ نسخهٔ مبدأ، شناسهٔ ردیف، منشأ و گزارش تبدیل.
🚫 کاربردهای نامناسب
- دادهٔ ارزیابی یا طلایی را وارد آموزش نکنید.
- برچسب تولیدشده با مدل را بدون بازبینی معادل حقیقت انسانی ندانید.
- صف نامطمئن، غیرفارسی، خام یا کالیبراسیون را پیش از اعمال تصمیم بازبینی، دادهٔ پاک فرض نکنید.
- از محتوا برای شناسایی گوینده یا استنباط ویژگی حساس استفاده نکنید.
- اطلاعات خصوصی احتمالی در صوت یا متن را بازنشر نکنید و ارزیابی حریم خصوصی را انجام دهید.
📁 ساختار مخزن
نسخهٔ ممیزیشده شامل 64 فایل با حجم تقریبی 118.09 GB است. گروههای رایج فایل: .parquet × 61, no extension × 2, .md × 1.
مسیرهای شاخص یا بزرگ:
data/train-00037-of-00061.parquetdata/train-00034-of-00061.parquetdata/train-00041-of-00061.parquetdata/train-00033-of-00061.parquetdata/train-00049-of-00061.parquet
مخزن Parquet را بهصورت شاردی بخوانید. در مخزن audio-folder، manifest یا فراداده برای اتصال صوت و برچسب لازم است. مخزن وضعیت خط لوله یا نتایج ممکن است بهجای جدول train شامل JSON، JSONL، CSV یا چکپوینت باشد.
🚀 بارگذاری و بررسی
در بارگذاری با datasets ابتدا نام split و features را بررسی کنید. اگر مخزن آرشیو مصنوع است، با snapshot_download فایلهای لازم را انتخابی دریافت کنید. نرخ نمونهبرداری و تعداد کانال را پس از decode تأیید کنید. در متن، نسخهٔ اصلی فارسی، نیمفاصله و رقمها را نگه دارید و نمای نرمالشده را در ستونی جدا بسازید.
🧬 منشأ و پردازش
نام مخزن و توضیح مجموعه، جایگاه داده را در خط لوله مشخص میکند. برچسب مشتق، confidence، تصمیم curriculum و سطل کیفیت را annotation نسخهدار بدانید. در ساخت مشتق، revision مبدأ، قاعدهٔ انتخاب، نسخهٔ نرمالسازی، مدل تولیدکنندهٔ pseudo-label و وضعیت بازبینی انسانی را ثبت کنید.
✅ کنترل کیفیت
خوانایی فایل، یکتایی شناسه، مدت صوت، متن خالی، زبان، نرخ نمونه، clipping، تکرار محتوا و تطابق manifest با رسانه را بررسی کنید. در دادهٔ ارزیابی، ثابتبودن اعضا و متن مرجع ضروری است. برای برچسب ماشینی، نمونهگیری لایهبندیشده بر اساس confidence، مدت، منشأ و شرایط صوتی انجام دهید.
⚠️ سوگیریها و محدودیتها
ممکن است لهجه، منطقه، سن، جنسیت، سبک گفتار، دستگاه ضبط، نویز و گفتار رسمی/محاورهای بهطور نامتوازن پوشش داده شوند. پالایش شدید میتواند میانگین کیفیت را بالا ببرد ولی گویندگان دشوار و مهم را حذف کند. pseudo-label خطای مدل را به ارث میبرد و حوزههایی مانند شعرخوانی، تلفن، دورمیدان و گفتار خودانگیخته قابل جایگزینی با یکدیگر نیستند.
🔬 Reproducibility | بازتولیدپذیری
- Pin the dataset revision and record selected files or shards. | نسخهٔ مخزن و شاردهای انتخابی را ثبت کنید.
- Keep immutable IDs and provenance columns. | شناسهٔ پایدار و ستون منشأ را حفظ کنید.
- Publish accepted/rejected counts for every filter. | شمارش پذیرش و رد هر فیلتر را منتشر کنید.
- Separate original, normalized, and model-generated text. | متن اصلی، نرمالشده و تولیدشده با مدل را جدا نگه دارید.
- Audit train/eval overlap by content, speaker when available, and source. | همپوشانی آموزش و ارزیابی را بر اساس محتوا، گویندهٔ موجود و منشأ بررسی کنید.
📚 Citation, links, and license | استناد، پیوندها و مجوز
@dataset{shenava1_ganjoor_recitations_chunked,
title = {ganjoor-recitations-chunked: a Shenava-1 Persian data artifact},
author = {Reza2kn},
year = {2026},
url = {https://huggingface.co/datasets/Reza2kn/ganjoor-recitations-chunked}
}
Released under the Apache License 2.0. این مخزن با مجوز Apache 2.0 منتشر شده است.
📎 Retained technical notes | یادداشتهای فنی پیشین
The pre-existing technical card is retained below for revision-specific commands, measurements, and artifact details. The bilingual sections above define the common Shenava-1 documentation contract.
یادداشت فنی قبلی برای فرمانها، اندازهگیریها و جزئیات همان نسخه در ادامه حفظ شده است. بخشهای دوزبانهٔ بالا قرارداد مستندسازی مشترک Shenava-1 را تعریف میکنند.
Ganjoor Recitations — Clean-Cut Chunks
Training-ready ~15-20 s segments derived from
Reza2kn/ganjoor-recitations
(full-length Persian poetry recitations from ganjoor.net). Two columns only: audio (16 kHz mono)
and text — same schema as the source, just many more rows of shorter clips + matching labels.
How it was chunked (never mid-word)
Per recitation (tools/ganjoor_chunk_job.py):
- Forced-align gold text to audio with torchaudio MMS_FA (uroman -> per-word times + score).
- Edge-trim only leading/trailing low-confidence words (unspoken title/signature); interior words are always kept so a chunk label never drops a spoken word.
- silero-VAD -> real acoustic silence intervals.
- Cut only at the center of a VAD silence that sits strictly between two words, greedily targeting ~17 s (14-21 s). Clean cuts beat exact length: no cut lands inside a word, and every cut sits in genuine silence (not a coarticulated aligner gap).
- Concatenating all chunk labels of a recitation reproduces its full (title-trimmed) text with no dropped or duplicated words.
Tail chunks may be < 14 s (a very short tail is merged into the previous chunk, so no words are ever dropped). Text keeps original Ganjoor orthography.
- Downloads last month
- 602