Loading datasets...
License:
CC0-1.0
Steward:
Common VoiceDataset ID:
cmj6wk1h8004xnlmstw3l9f7h
Release Date: 12/5/2025
Format: MP3
Size: 49.98 MB
A collection of spontaneous spoken phrases in Russian.
Forbidden Usage
It is forbidden to attempt to determine the identity of speakers in the common Voice datasets. It is forbidden to re-host or re-share this dataset
Intended Use
This dataset is intended to be used for training and evaluating automatic speech recognition (ASR) models. It may also be used for applications relating to computer-aided language learning (CALL) and language or heritage revitalisation.
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.
| Split | Count |
|---|---|
| Test | 248 |
| Dev | 90 |
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]
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?
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!
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
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.
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