Datasets:

shekar-ai
/

neyshekar

id int64 0 31.2k	text stringlengths 2 245	duration float64 0.9 30.4
0	رفتارهای سمی اطرافیان می‌تواند احساس گناه را تقویت کند.	5.04
1	از پله‌ها پایین اومدم	3.12
3	هرگز نه از دزدان بترسیم، نه از آدمکشان.	4.02
5	اما دلار را نمی‌سوزاندند.	2.8425
6	روزها گذشت.	2.16
7	تکنیک‌های جدیدی در آموزش نیروهای هوابرد به کار گرفته می‌شود که به کارایی آن‌ها می‌افزاید.	8.7
8	تا حالا امتحانش کردی؟	3.06
9	محسن نامجو سبک خاصی داره که همه دوست ندارن.	3.12
10	گوش کن ببین چی می‌گم!	2.4
12	مجاهدت‌های زیادی صورت گرفت تا اراده بیگانگان در این سرزمین مقدس حاکم نشود.	10.62
13	صنعتی‌سازی در عصر دیجیتال	4.68
14	این دیگه کیه آخه؟	2.16
15	افشای افکارتان درباره خودکشی	3.18
16	آخرین‌بار با چه لباسی دیده شده؟	3.36
17	روی میز معلم یه گلدون شمعدونی صورتی بود.	4.92
18	ینی همه چی	1.8
19	حمله روسیه به اوکراین لحظه تعیین‌کننده در تاریخ قاره اروپاست.	7.68
20	فصل اول	1.2
21	یه ضدآفتاب معمولی هم دیگه ارزون نیست.	4.92
22	اون هم بخشی از سفر قشنگش بود.	4.5
23	بنابراین تا جایی که ممکن است دقیق باشید.	3.477375
24	دو روز بعد در حالی که گلوله توی بدنش بود برگشت روی استیج تا کنسرت صلح «جامائیکا لبخند بزن» رو برگزار کنه.	10.816
25	هر چه در ذهنم می‌چرخد، ناکافی است.	4.26
26	بچه‌ها دارالترجمه‌ای که سریع کار انجام بده معرفی می‌کنین؟	5.034688
27	اون در تبدیل شد به نماد کتاب‌فروشی.	4.14
28	همین کافیه.	2.34
29	تشکیل جلسه برای بررسی مشکلات موجود ضروری است.	4.525
30	دنبال یه پزشک فوق‌تخصص می‌گشتم که بتونه مشکل کمرم رو برطرف کنه.	5.46
31	مصرف‌کننده باید به حقوق خود در قبال تولیدکنندگان آگاه باشد.	6.54
32	شاید هنوز همه مسائل را بلد نباشد اما می‌داند کسی هست که به او باور دارد.	8.4
33	بنابراین هر اختلالی در آن می‌تواند نه‌تنها ظاهر، بلکه اعتمادبه‌نفس، کیفیت زندگی و حتی سلامت روان فرد را تحت‌تأثیر قرار دهد.	12
34	روی میز، پاسپورت آبی‌رنگی افتاده بود با برگۀ ویزایی که شب گذشته از سفارت برگشته بود.	8.64
35	به اطراف نگاه می‌کرد تا شاید کلاغی را پیدا کند.	4.1675
36	در سیاهی شب متوجه حضور تعداد زیادی پرنده سیاه روی شاخه‌ها شد.	6.3
37	رفتار اخلاقی در کسب‌وکار می‌تواند به موفقیت بلندمدت منجر شود.	7.32
39	به‌خاطر اعصاب فولادین	4.59
40	در مهمانی که جمع دوستان برگزار کردیم، تا صبح کیف کردیم و لذت بردیم.	5.52
41	به وقت بغض و دلخوری اما تنظیمم روی ساعت غروب!	4.5
42	وقتی وارد دوران متاهلی می‌شی، مسئولیت‌هات کلی بیشتر می‌شه.	6.06
43	استفاده از ماسک از درب منازل برای شهروندان در تهران ضروری است.	7.08
44	هنوز باور دارم آدم‌ها می‌توانند بهترین دوست ما باشند.	6
45	به نظر می‌رسد موسیقی ایران در آینده بیش از پیش به سمت چندصدایی شدن پیش می‌رود؛	9.84
46	سفر من به مسقط یک‌روزه است.	3.96
47	جنگ در این شهر عمدتا به نبردهای تن‌به‌تن، درگیری در زیرزمین‌ها، پشت بام‌ها و کارخانجات کشیده شد و شدت خشونت در آن بی‌سابقه بود.	14.52
48	از پروژه‌مون دفاع کنیم دیگه تمومه؟	3.72
50	در این زمینه	1.92
51	مدیریت ناکارآمد و سیاست‌گذاری جزیره‌ای	5.7
52	مردم برای امور خیریه وجوهات خود را اهدا کردند.	3.66
53	بعد دید نه، عجیب نیست.	4.26
54	این اقدام، نیمی از اقتصاد روسیه را تحت‌تاثیر قرار خواهد داد.	6.96
55	خواب پشت‌بام خانه‌شان، صدای کولر آبی، صدای خندۀ همسایه‌ها.	8.76
56	آره، اون یکی مغازه رو تنها بچرخونه.	4.44
57	یکی‌از دوستان من اهل کشور رومانی است و به زبان رومانیایی مسلط است.	6.84
59	تو فصل پاییز برگ درختا به زردی می‌زنن و منظره قشنگی درست می‌کنن.	6.12
60	اگه خسته‌ای، بخواب	2.355
61	دوست‌داری بیشتر چیکار کنی؟	2.82
62	گرم‌کردن صدا، تمرین‌های روزانه، مراقبت از حنجره و استراحت کافی، بخشی از زندگی یک خواننده است.	8.49
63	این خدا چه فایده‌ای داشته تا حالا؟	3.3
64	همه از آینده می‌ترسن.	2.4
65	برخی از مهم‌ترین عوامل بروز تعارض میان همسر و والدین	5.82
66	تاریخ، مسیری پر پیچ و خم از رویدادها و وقایع مهم جهان است.	5.22
67	آقای اژه‌ای کارش را با وعده مبارزه با فساد و دفاع از گسترش آزادی‌های مشروع و حفظ حریم خصوصی شهروندان آغاز کرد.	9.48
68	دایی‌ات راضی بود بیای تهران؟	3.66
69	در اواخر نگارش رمان	4.02
70	کاش سامیار با خیال راحت هر بار که بستنی خواست، با لبخند برایش بخرم.	8.3825
71	بعدش می‌رم پیش معلم یا ناظم مدرسه.	5.46
72	خلاصه هرکس هرچه به ذهنش می‌آمد لیچار بارش کرد.	4.56
73	هم کار می‌کرد هم درس می‌خوند.	3.06
74	سلام دوستان یک سوال	2.52
76	دود سفید از لوله‌کش‌ها به نشانه وقوع مشکل در سیستم گرمایشی بود.	8.22
77	تا حساب کار دستش بیاد.	2.34
78	غیرمنتظره‌ترین باشگاه دنیا در انتظار جهانبخش!	3.96
79	بی‌هیچ معطلی کیفم رو برداشتم و رفتم.	3.78
80	اگر راست باشه پیش‌من مشتلق داری	4.44
81	دروغ مصلحتی	3.18
82	اختلال در تعادل انتقال‌دهنده‌های عصبی مانند دوپامین، سروتونین و نوراپی‌نفرین	10.665
83	دو تا عمله؟!	2.04
84	سیستم ایمنی چطوری از بدن دفاع می‌کنه؟	4.8875
85	می‌دانست که راز یک غذای خوشمزه، انتخاب بهترین مواد اولیه است.	5.4
86	در آذربایجان موسیقی مقامی جانی دوباره یافته است.	4.44
87	بایدن تنها رئیس‌جمهوری بود که به میان صف اعتصابات کارگری رفت.	7.5
88	کتاب کودکان هستن ایشون.	2.52
89	اگر کارهای بیشتری از او منتشر شود، بی‌شک نامش بیش از پیش در میان مردم و علاقه‌مندان هنر ماندگار خواهد شد.	14.4
90	البته شما درست می‌گید خودتو اذیت نکن	4.2
91	خیلی وقت بود ازت خبری نداشتیم!	3
92	شبت خوش	2.28
93	همسرش از آشپزخونه صدا زد: «دستاتو بشور بیا شام، خورشت بادمجونه.»	14.76
94	نمی‌شود این جمله را تاییدی قاطع بر درمان یا خدمات من دانست.	6.3
95	دیروز توی پارک سر کوچه با دوستام نشستیم و کلی از گذشته خاطره گفتیم.	5.22
96	داستان پر غصه بازار سرمایه یک سال و نیم است که شروع شده.	5.88
97	زمان و روش کاشت	3.12
98	کارآفرینی که رؤیای ایجاد یک صنعت مدرن و رقابتی ایرانی را در سر داشت.	6.6575
99	می‌گفتن کاخ سفید رو حسینیه می‌کنیم باورم نمی‌شد!	5.28
100	واقعا جای تاسف داره بخدا	3.392
101	حتی دلم برایشان تنگ هم می‌شود.	2.88
102	در حلب سوریه، مردم محاصره‌شده دو شهرک شیعی دیگر در استان ادلب، بی‌صبرانه منتظر شکسته شدن محاصره هستند.	13.14
103	می‌دانید که یک جای کار می‌لنگد اما نمی‌دانید دقیقا کجا!	5.88
104	صبح به‌خیر آقا کاظم، امروز هم از همه زودتر رسیدی.	5.46
105	از آغاز همه‌گیری ویروس کرونا در کشور تاکنون این مرکز توفیق داشته بیش از ۳۹۱۰ بسته معیشتی میان مردم توزیع کند.	12.586688
107	یه پهپاد کلا ۶ کیلو مهمات حمل می‌کنه باید بمب‌افکن و جنگنده داشته باشن که ندارن.	7.5

End of preview. Expand in Data Studio

Neyshekar

Neyshekar is an open, community-driven Persian speech dataset collected via a web-based crowdsourcing platform at ney.shekar.io. The recordings are provided by a combination of volunteer contributors and paid voice actors, all of whom are native Persian speakers. It supports automatic speech recognition, text-to-speech, speech representation learning, and other downstream Persian speech applications.

Audio is mono, 16-bit PCM, sampled at 16 kHz. Each release represents a stable snapshot of the dataset, enabling reproducible research and consistent benchmarking.

Latest Release - V6.0 (2026-09-01)

Total samples: 62,279
Informal samples: 15,222 (24.44%) (identified using Shekar rule-based InformalClassifier)
Total duration (hours): 99.02
Average clip duration (seconds): 5.72
Total tokens: 701,621
Vocab size: 29,535

Splits

V6.0 is the first release to ship predefined splits. Splits are assigned per speaker, so a single recorder never straddles two sets and the evaluation splits stay speaker-disjoint from train.

Split	Samples	Share	Hours
`train`	58,244	93.5%	91.99
`validation`	1,886	3.0%	3.14
`test`	2,149	3.5%	3.88

from datasets import load_dataset

dataset = load_dataset("shekar-ai/neyshekar-v6-persian-asr-fa")
train, validation, test = dataset["train"], dataset["validation"], dataset["test"]

Fields

id: Unique sample identifier
audio: Speech recording
text: Persian transcription
duration: Clip duration in seconds

Terms of Use

Any attempt to identify or uncover the identity of speakers is strictly prohibited.

License

This dataset is released under the CC0 1.0 Universal license. It may be used, modified, and redistributed for any purpose without restriction.

Downloads last month: 221