عدّاد ساعات الكلام العربي المفتوح من Bayanat Labs

Arabic speech datasets Arabic speech hours speech dataset licences Arabic ASR data open speech data

أرقام رئيسية

تُحسب آليًا من الملفات المنشورة. يُقرأ كل رقم من ملف feed/latest.json أو qa/second_check_summary.json أو evidence/measurements/yodas3-ar.json في مجموعة البيانات على Hugging Face ويُربط بقيمة SHA-256 للملف، ويسرد ملف MANIFEST.json كل الملفات مع أحجامها وقيم SHA-256 لها.

التنزيل والمعرّفات

ابدأ الاستخدام

حمّل الجدول بمكتبة datasets، أو ضمّن العدّاد في صفحتك: تُرسل الأداة طلبًا واحدًا لملف latest.json، ولا ترسل ملفات تعريف الارتباط، ولا تخزّن شيئًا، وتعرض تاريخ الأرقام. ولإعادة القياس، استنسخ المستودع عند وسم الإصدار v0.1.0، فالحزمة غير موجودة على PyPI بعد.

# Python
from datasets import load_dataset
rows = load_dataset("Bayanat-Labs/arabic-speech-hours", "corpora", split="train")

# Embed the counter in a web page
<arabic-speech-hours src="https://huggingface.co/datasets/Bayanat-Labs/arabic-speech-hours/resolve/main/feed/latest.json"></arabic-speech-hours>
<script src="https://huggingface.co/datasets/Bayanat-Labs/arabic-speech-hours/resolve/main/embed/speech-hours.js" defer></script>

# Re-run the measurements
git clone --branch v0.1.0 https://github.com/Bayanat-Labs/arabic-speech-hours.git
cd arabic-speech-hours
python -m pip install .
python scripts/measure.py
python scripts/build.py --as-of 2026-10-30

ما الذي يتضمنه الإصدار

صيغة النسبة: Open Arabic Speech Hours Counter, Bayanat Labs, CC BY 4.0, as of 30 October 2026. https://huggingface.co/datasets/Bayanat-Labs/arabic-speech-hours

الاستخدامات المقصودة

• معرفة عدد ساعات الصوت العربي المنشور في كل فئة ترخيص، والمجموعات التي يقوم عليها كل رقم، قبل التخطيط لأعمال التعرّف على الكلام أو توليده.
• التحقق، لمجموعة بعينها، من ترخيصها كما ينصّ عليه ناشرها، وطريقة الحصول على ساعاتها، والتداخل الذي طُرح منها.
• عرض الرقم الحالي في صفحتك عبر الأداة القابلة للتضمين أو الشارة، وكلتاهما تحمل تاريخ الأرقام.

خارج النطاق

• التصريح القانوني: فئات الترخيص معلومات وليست استشارة قانونية، فاقرأ شروط كل ناشر قبل استخدام مجموعته.
• الحكم على الجودة أو تغطية اللهجات أو تنوّع المتحدثين: يعدّ العدّاد الساعات المنشورة، لا مدى فائدتها لمهمة ما.

الحقوق باختصار

التدريب والعرض وإعادة التوزيع وإنشاء الأصوات الاصطناعية أذونات منفصلة.

القيود

• الأرقام حتى 30 أكتوبر 2026، وتتغير مع نشر المجموعات أو تحديثها أو سحبها، ويسجّل كل صف وقت قراءة صفحة ترخيصه.
• تأتي الساعات من البيانات الوصفية المنشورة، أو من رقم يذكره الناشر حين لا توجد بيانات وصفية، والأرقام المذكورة مقتبسة لا مقيسة.
• لا يُطرح التداخل إلا حيث يذكره الناشرون أو تُظهره معرّفات المقاطع المنشورة، وداخل فئة الترخيص الواحدة فقط. ولم يمكن قياس التداخل مع YODAS، لأن معرّفات تسجيلاتها معرّفات خاصة بالناشر.
• لا يُطرح التداخل الذي تعذّر قياسه: MASC مع YODAS v3 وYODAS2 (مفتوح ويسمح بالاستخدام التجاري)، وQASR مع MGB-2 (للبحث أو عند الطلب)، لذا قد تَعُدّ أرقام هاتين الفئتين الساعات المشتركة مرتين.
• تصنّف YODAS v3 جزأها العربي حسب لغة الترجمة النصية، ولا يتحقق العدّاد من اللغة المنطوقة في الصوت، ولا تُسجَّل اللهجة إلا حيث ينصّ عليها المصدر.
• لكل مجموعة فئة ترخيص واحدة لصوتها، تُقرأ من صفحة الناشر نفسه، والنسخ التي تعلن ترخيصًا آخر يُشار إليها ولا يُعتمد عليها. ويُقرأ ترخيص CC BY 4.0 لمجموعة MASC من البيانات الوصفية لصفحة الناشر على IEEE DataPort، ولا يذكر نص الصفحة الظاهر أي ترخيص، وتذكر نسخة من MASC لطرف ثالث على Hugging Face Hub ترخيص CC BY-NC 4.0.
• تذكر بطاقة QASR ترخيص CC BY-NC 2.0، ولا تضم ملفات، وتحيل إلى صفحة تُطلب منها البيانات عبر إجراء طلب، لذا تُحتسب QASR في فئة «للبحث أو عند الطلب».
• لم تُفتح المستودعات المقيّدة الوصول، وقُرئت بطاقاتها العامة فقط. والمجموعات التي لم تُراجع بعد مسرودة ضمن غير المحتسبة مع السبب.

المصادر والتراخيص

تأتي فئة ترخيص كل مجموعة من صفحة ناشرها نفسه، وتُحفظ الصفحة مع بصمة SHA-256 ووقت قراءتها. وتأتي الساعات من البيانات الوصفية المنشورة دون تنزيل الصوت (أعمدة المدة في ملفات Parquet الوصفية مقروءة بطلبات جزئية، وملفات المدد، وإحصاءات إصدارات Common Voice، وإحصاءات المدة في عارض بيانات Hugging Face)، أو من رقم يذكره الناشر حين لا توجد بيانات وصفية، مقتبسًا مع موضعه. وحملت الطلبات معرّف Bayanat Labs للبيانات المفتوحة، وفصلت بينها ثانية على الأقل لكل خادم، ولم تُفتح المستودعات المقيّدة الوصول. تفاصيل المصادر (بالإنجليزية)

طريقة الاستشهاد

صيغة الاستشهاد:

Bayanat Labs (2026). Open Arabic Speech Hours Counter, version 0.1.0, as of 30 October 2026. Bayanat Labs. https://huggingface.co/datasets/Bayanat-Labs/arabic-speech-hours

• ملف CITATION.cff

لا يوجد معرّف DOI. استشهد بالرابط الوارد في صيغة الاستشهاد أعلاه وبتاريخ اطلاعك عليه.

@misc{bayanatlabs2026arabicspeechhours,
  author       = {{Bayanat Labs}},
  title        = {Open Arabic Speech Hours Counter, version 0.1.0, as of 30 October 2026},
  year         = {2026},
  month        = oct,
  howpublished = {\url{https://huggingface.co/datasets/Bayanat-Labs/arabic-speech-hours}}
}

كيف نتعامل مع الاستشهاد (بالإنجليزية)

سجل التغييرات

التصحيح وطلبات الإزالة

إذا وجدت في هذا الإصدار ما لا ينبغي وجوده أو ما يحتاج إلى تصحيح، فراسلنا على hello@bayanatlabs.com. نعالج طلبات الإزالة خلال 30 يومًا، وطلبات المنصات خلال 24 ساعة. كيف تعمل طلبات الإزالة

المنتج المرتبط: Bayanat Voice