text
string
speaker
string
audio
audio
"സർവ്വകലാശാല വൈസ് ചാൻസലർ ഡോ. ചന്ദ്രബാബുവിനും സംഭവം തലവേദനയാവുകയാണ്"
"Sonia"
"സുരക്ഷാ നടപടികളുടെ ഭാഗമായി ഇരുവരെയും നെടുമ്പാശേരി പോലീസിനു കൈമാറി"
"Sonia"
"സാമൂഹ്യനീതി ഡയറക്ടർക്കാണ് കമ്മിഷൻ അംഗം പി. മോഹനദാസ് നിർദേശം നൽകിയത്"
"Sonia"
"കോർപറേഷന്റെ ഉദ്യോഗസ്ഥർ നിരന്തരം തൊഴിലിടങ്ങളിൽ പരിശോധന നടത്തുന്നു"
"Sonia"
"പൈതൃക സർവ്വേയുടെ ഉദ്ഘാടനം നഗരസഭാ ചെയർപേഴ്സൺ പ്രമീള ശശിധരൻ നിർവഹിച്ചു"
"Sonia"
"മരണമെന്ന യാഥാർഥ്യം ഉൾക്കൊള്ളാനാകാതെ, ബ്രിട്ടൻ ദിവസങ്ങളോളം തേങ്ങി"
"Sonia"
"പണവും താരഷോയും ആണോ റസാഖിന്റെ മൃതശരീരത്തോടുള്ള ആദരവിനെക്കാൾ വലുത്"
"Sonia"
"ലീലയ്ക്ക് പദ്മഭൂഷൺ ശുപാർശ ചെയ്തത് ജന്മനാടായ കേരളമല്ല, തമിഴ്നാടാണ്"
"Sonia"
"ഐ. എം. സി. സി. ബഹ്റൈൻ പ്രസിഡന്റ് ജലീൽഹാജി വെളിയങ്കോട് അദ്ധ്യക്ഷത വഹിച്ചു"
"Sonia"
"വർഗീയസംഘർഷം സൃഷ്ടിക്കുന്ന സാഹചര്യം വന്നപ്പോൾ രഥയാത്ര തടഞ്ഞു"
"Sonia"
"മൂന്നാം റൗണ്ടിൽ ജർമൻ താരം ആഞ്ചലിക് കെർബറാണ് ഷറപ്പോവയെ വീഴ്ത്തിയത്"
"Sonia"
"പ്രപഞ്ചത്തിന്റെ സ്പന്ദനം മുഴുവൻ ഏറ്റുവാങ്ങുന്ന ഒരു ജൈവശൃംഖലയാണത്"
"Sonia"
"എൽ. ഡി. എഫിന് വേണ്ടി ആറൻമുള എം. എൽ. എയായ വീണ ജോർജാണ് മത്സരിക്കുന്നത്"
"Sonia"
"ഇതോടെ പ്രതിഷേധവുമായി ഭക്തർ ശബരിമല എക്സിക്യൂട്ടീവ് ഓഫീസറെ കണ്ടു"
"Sonia"
"ഗർഭം അലസിപ്പിക്കാൻ ബഷീർ പലതവണ ശ്രമിച്ചെങ്കിലും അശ്വതി വഴങ്ങിയില്ല"
"Sonia"
"ഇന്ത്യയും യു. എ. ഇയും തമ്മിൽ വളരെ ദൃഢമായ ഉഭയകക്ഷി ബന്ധമാണുള്ളത്"
"Sonia"
"പാപ്പിനിശ്ശേരി ദേശ സേവാ സ്പോർട്സ് ക്ലബ്ബ് സുവർണജൂബിലി ആഘോഷനിറവിൽ"
"Sonia"
"തബൂത്, അൽഖസീം, റിയാസ് മേഖലകളിൽ കൊടുംശൈത്യമാണ് അനുഭവപ്പെടുന്നത്"
"Sonia"
"കറകളഞ്ഞ മനുഷ്യ സ്നേഹത്തിന്റെ ഉടമയാണ് താമരശേരി സ്വദേശിയായ അഷ്റഫ്"
"Sonia"
"നിശ്ചയ ദാർഢ്യവും കഠിനാധ്വാനവും ഉണ്ടെങ്കിൽ വിജയം കൊയ്യാൻ കഴിയും"
"Sonia"
"മെഡിക്കൽ ലബോറട്ടറി ടെക്നോളജി റഗുലർ നവംബർ രണ്ടായിരത്തി പതിനാല് പരീക്ഷാഫലം വെബ്സൈറ്റിൽ"
"Sonia"
"അങ്ങനെ ധർമപാഠങ്ങൾ മനസ്സിലാക്കാനുള്ള വഴി അച്ഛനമ്മമാർതന്നെ അടച്ചു"
"Sonia"
"കാട്ടുകുരങ്ങിലെ നാദബ്രഹ്മം ഫൈനലൊക്കെ ഒറ്റയടിക്ക് എടുത്തതാണ്"
"Sonia"
"നക്സൽബാധിത പ്രദേശമായ ഛത്തീസ്ഗഢിലെ ബസ്തറിൽ ഇവരെ പുനർവിന്യസിക്കും"
"Sonia"
"കലാസംവിധാനം സുജിത്ത് രാഘവ്, പ്രൊഡക്ഷൻ കൺട്രോളർ നോബിൾ ജേക്കബ്"
"Sonia"
"നമ്മുടെ ഡി. ആർ. ഡി. ഒ. ശാസ്ത്രജ്ഞർക്ക് എന്റെ ഹൃദയം നിറഞ്ഞ അഭിനന്ദങ്ങൾ"
"Sonia"
"വേപ്പിലയും പച്ചമഞ്ഞളും അരച്ചു പുരട്ടുന്നത് ചർമ രോഗങ്ങളകറ്റും"
"Sonia"
"വീഞ്ഞിന്റെ മദഭരിത ഗന്ധമോ, തണുത്ത കാറ്റോ, എപ്പോഴോ ഉറങ്ങിപ്പോയി"
"Sonia"
"ചീമേനി സഖാക്കളുടെ ഒളിമങ്ങാത്ത ഓർമ പോരാട്ടങ്ങൾക്ക് കരുത്തുപകരും"
"Sonia"
"ഏകദേശം മുന്നൂറോളം ജെയ്ഷെ ഭീകരരെ വധിച്ചുവെന്നാണ് പ്രാഥമിക കണക്ക്"
"Sonia"
"ഊഹക്കച്ചവടം, പ്രേമം എന്ന വിഷയങ്ങളിൽ ചൂടുള്ള ചർച്ചകൾ നടത്തും"
"Sonia"
"പ്രസവം കഴിഞ്ഞയുടൻ ഷബ്നത്തിന്റെ ആവശ്യം റഹീമിന് ഇല്ലാതായി"
"Sonia"
"മുപ്പത്തിയൊന്നിന് രാവിലെ ഏഴുമുതൽ അഖണ്ഡ നാമജപയജ്ഞം, ഉച്ചയ്ക്ക് പന്ത്രണ്ടിന് പന്തീരാഴി സദ്യ"
"Sonia"
"പൊന്നാനി തഹസിൽദാർ അൻവർ സാദത്ത് മുസ്തഫയെ ആദരിച്ചു"
"Sonia"
"കൃത്യം ആറരക്ക് മൂപ്പനും എത്തി, ആൾ ഞങ്ങളേക്കാൾ ഊർജ്ജസ്വലൻ"
"Sonia"
"ശ്രീധരൻപിള്ള കോൺഗ്രസിനെ കുറിച്ച് പറഞ്ഞ പരാമർശങ്ങൾ ദൗർഭാഗ്യകരമാണ്"
"Sonia"
"കമലഹാസനൊപ്പമുള്ള രസകരമായ നിമിഷങ്ങൾ പങ്കുവെച്ച് മകൾ ശ്രുതി ഹാസൻ"
"Sonia"
"ഷൊർണൂർ അഡീഷണൽ എസ്. ഐ. പത്മനാഭനാണ് അന്വേഷണം നടത്തുന്നത്"
"Sonia"
"കർണാടക ഇറിഗേഷൻ വകുപ്പ് എൻജിനീയർ അരുൺകുമാറാണ് ഭർത്താവ്"
"Sonia"
"തടസ്സങ്ങൾ നീങ്ങിയതോടെ ഹഡ്കോ വായ്പയുടെ അവസാനഘട്ട ഗഡുവും കിട്ടി"
"Sonia"
"ഈന്തപ്പഴം, ബദാം, കശുവണ്ടി മുതലായവയും ലഘുഭക്ഷണത്തിൽ ഉൾപ്പെടുത്താം"
"Sonia"
"മധു നീലകണ്ഠൻ ഛായാഗ്രഹണവും ബി. അജിത്കുമാർ എഡിറ്റിങും നിർവഹിക്കുന്നു"
"Sonia"
"പാർട്ടി നേതൃത്വവുമായി ശത്രുഘ്നൻ സിൻഹ ഏറെ നാളായി അകൽച്ചയിലാണ്"
"Sonia"
"ഓഗസ്റ്റ് ഒമ്പതിന് തലശ്ശേരി മുനിസിപ്പൽ ടൗൺഹാളിലാണ് മകന്റെ വിവാഹം"
"Sonia"
"സി. പി. എമ്മിന്റെ ഇതേ ജനിതക സ്വഭാവമാണ് എസ്. എഫ്. ഐക്കും ഉള്ളത്"
"Sonia"
"ഫ്ളാഷ് ബൾബുകളും എണ്ണമറ്റ ക്യാമറകളും കബഡി കളങ്ങളെ ഹൈടെക്കാക്കി"
"Sonia"
"ഷൂവിൽ ഓം ചിഹ്നവും ബിയർകുപ്പിയിൽ ഗണപതിയുമാണ് ചേർത്തിട്ടുള്ളത്"
"Sonia"
"'ദുരിതം നിറഞ്ഞവൾ' എന്നായിരുന്നു മലാല എന്ന പഷ്തൂൺ വാക്കിന്റെ അർഥം"
"Sonia"
"എന്നാൽ അസുഖബാധയെ തുടർന്ന് കേൾവിശക്തി നഷ്ടമായതോടെ പാട്ടും നിലച്ചു"
"Sonia"
"പീഠത്തിന്റെ ഉയരം നാലടി കുറച്ചശേഷം പ്രതിമ തിരികെ സ്ഥാപിച്ചു"
"Sonia"
"നേരത്തെയും വിവാദപരമായ ആരോപണങ്ങൾ ഉന്നയിച്ച് ശ്രദ്ധേയനായ ആളാണ് അഹൂജ"
"Sonia"
"ദേശീയ സമ്മേളനത്തിന്റെ ഔപചാരിക ഉത്ഘാടനം ഹൈബി ഈഡൻ എം. എൽ. എ. നിർവഹിച്ചു"
"Sonia"
"കൊച്ചി റേഞ്ച് ഐ. ജി., എസ്. ശ്രീജിത്താണ് എസ്. ഐയെ സസ്പെൻഡ് ചെയ്തത്"
"Sonia"
"അവിടെ തന്റെ ഇഷ്ടഗായകനെ കണ്ട് ഈവ ആഹ്ലാദവതിയാകുന്നു"
"Sonia"
"കോശവിഭജനത്തിൽ ഓരോന്നും ഒരേ തരം ഡി. എൻ. എയിൽ രൂപപ്പെടുന്നു"
"Sonia"
"മുൻനിരയിലേക്ക് പാസുകൾ കിട്ടാതെ പലപ്പോഴും ലെമേസയും ബൽജിതും ഉഴറി"
"Sonia"
"മംഗൾയാൻ പദ്ധതിയുടെ പേരിൽ ഐ. എസ്. ആർ. ഒ. ജനങ്ങളെ വഞ്ചിക്കുകയാണ്"
"Sonia"
"കുടവയറും കപ്പടാമീശയുമായി ഓലക്കുട ചൂടിവരുന്ന മഹാബലിയല്ല ഓണത്തപ്പൻ"
"Sonia"
"ഒന്നും പറയാതെ ഒത്തിരിയൊത്തിരി പറയുന്ന വാചാലതയുടെ മഹാദ്ഭുത മൗനഭാഷ"
"Sonia"
"ചൊവ്വാഴ്ച രാവിലെ നടന്ന ദ്വാദശിഊട്ടിൽ ആയിരങ്ങൾ പങ്കെടുത്തു"
"Sonia"
"ഉഡ്താ പഞ്ചാബിലെ ഭൗറിയയെ അവിസ്മരണീയമാക്കിയ ആലിയ ഭട്ടാണ് മികച്ച നടി"
"Sonia"
"എഴുന്നള്ളിപ്പ് കഴിഞ്ഞപ്പോൾ ആനയെ സമീപത്തെ വളപ്പിൽ തളച്ചു"
"Sonia"
"ഏപ്രിൽ നാലിന് യജ്ഞസമാരംഭസഭയും ഭദ്രദീപ പ്രതിഷ്ഠയും നടക്കും"
"Sonia"
"ആചാരലംഘനം തടയാനെത്തിയവരെ തടഞ്ഞതിനുള്ള കേസുകൾ സധൈര്യം നേരിടും"
"Sonia"
"ഇത് ബ്ലൂം ആൽഗകളാണെന്ന് പരിശോധന നടത്തിയ ശാസ്തജഞർ പറയുന്നു"
"Sonia"
"കളികണ്ട ജവഹർലാൽ നെഹ്രു, മോഹിനി ആടിയ പെൺകുട്ടിയെ കാണണമെന്ന് പറഞ്ഞു"
"Sonia"
"കുടുംബബന്ധങ്ങൾ ഊഷ്മളമാക്കുക എന്നതാണ് ഇതിന് അത്യാവശം വേണ്ടത്"
"Sonia"
"ഇന്ത്യാ പാക് ബന്ധം വഷളാകുന്നതിൽ ആസ്ത്രേലിയ ആശങ്ക രേഖപ്പെടുത്തി"
"Sonia"
"ദഹനത്തിനും ജലദോഷം പോലുള്ള രോഗങ്ങൾ വരാതിരിക്കാനും ഖാവ നല്ല ഔഷധമാണ്"
"Sonia"
"കോമഡി കലാകാരനായ സജി ഓച്ചിറയാണ് രശ്മിയെ മോണോ ആക്ട് പഠിപ്പിക്കുന്നത്"
"Sonia"
"റാണിഈച്ചയുമായി ഇണചേർന്നുകഴിഞ്ഞാൽ ആൺ തേനീച്ച ഉടൻ മരിച്ചുവീഴും"
"Sonia"
"എന്നാൽ ഇത്തരം സന്ദർഭങ്ങളിൽ അർത്ഥഗർഭമായ മൗനം പാലിക്കുകയാണിവർ"
"Sonia"
"ആഡംബര ഭ്രമവും ധനസമ്പാദന മോഹവും ജമിനി രാശിക്കാരുടെ പ്രത്യേകതയാണ്"
"Sonia"
"ക്യാരറ്റ് തിന്നുന്ന മുയലാണ് ബഗ്സ് ബണ്ണിയെന്ന കാർട്ടൂൺ കഥാപാത്രാം"
"Sonia"
"ഇതിന് പിന്നാലെയാണ് യു. ഐ. ഡി. എ. ഐ. അധികൃർ വിശദീകരണവുമായി രംഗത്തെത്തിയത്"
"Sonia"
"മാനദണ്ഡങ്ങൾ ലംഘിച്ചു നൽകിയ ആധാരങ്ങൾ റവന്യൂ വകുപ്പ് റദ്ദാക്കി"
"Sonia"
"ബർമുഡ, ത്രീഫോർത്ത്, ടീ ഷർട്ട് എന്നിവയാണ് സൗകര്യം"
"Sonia"
"മൊബൈൽ ഫോൺ എവിടെയോ വലിച്ചെറിഞ്ഞു അതെവിടെയാെണന്ന് ഓർമയില്ല"
"Sonia"
"യോഗാ കേന്ദ്രത്തിന് പക്ഷേ പോലീസ് ക്ളീൻ ചിറ്റ് നല്കുന്നില്ല"
"Sonia"
"ആകെ ഉലഞ്ഞുപോയി ആ മനുഷ്യനും ഈ വ്രണങ്ങളൊക്കെ എങ്ങനെ ഉണങ്ങാനാണ്"
"Sonia"
"സെന്റ് സേവ്യഴ്യ്സ് കോളേജിലെ ലക്ചർ ആയ ഷീല എബ്രഹാം പറഞ്ഞു"
"Sonia"
"ഇമ്രാൻ അബ്ദുല്ല, തൻവീർ താജ്മൽ എന്നിവർ പ്രത്യേക അവാർഡിന് അർഹരായി"
"Sonia"
"സ്വാഗതം പറയുന്ന കെ. എം. ആർ. എൽ., എം. ഡി ഏലിയാസ് ജോർജ് താഴെ ഇരിക്കണം"
"Sonia"
"അൾജീരിയൻ ജനത നിലവിൽ തൊഴിലില്ലായ്മയിലും അഴിമതിയിലും അസ്വസ്ഥരാണ്"
"Sonia"
"വൈസ് പ്രസിഡന്റാണ് ഗണേശ്, ഭീമൻരഘു ആജീവനാന്ത അംഗവുമാണ്"
"Sonia"
"പക്ഷേ ഇത്രയും വലിയ ഗജഫ്രോഡാണ് ഈ പഹയൻ എന്നറിഞ്ഞില്ല"
"Sonia"
"ഐ. പി. ഒ. യിലൂടെ പതിനഞ്ച് ശതമാനം ഓഹരികൾ വിറ്റഴിക്കാനാണ് സർക്കാർ ലക്ഷ്യമിടുന്നത്"
"Sonia"
"ജയസൂര്യയെ തഴഞ്ഞായിരുന്നു സംസ്ഥാന അവാർഡ് ദുല്ഖറിനു ലഭിച്ചത്"
"Sonia"
"ആയിരത്തി ഇരുന്നൂറ്റി ഇരുപത് സ്ക്വയർ മീറ്റർ വിസ്തൃതിയിലുള്ള ഗ്രൗണ്ട് ഫ്ളോർ പാർക്കിങ് ഏരിയയാണ്"
"Sonia"
"ആർ. എസ്. എസ്. വോട്ട് കോൺഗ്രസിന് വേണ്ടെന്ന് വടകരയിലെ കെ. മുരളീധരൻ പറഞ്ഞു"
"Sonia"
"അതിൽ അത്ഭുതങ്ങളും നിഗൂഢതകളും ഇരുണ്ട അനുഭവങ്ങളും നമ്മേ തേടിയെത്തും"
"Sonia"
"പട്നയിലെ ബി. എൻ കോളേജിലെ ഹിന്ദി പ്രൊഫസ്സറായിരുന്നു"
"Sonia"
"ഹരിയാനയിൽ നിന്നുള്ള പ്രമുഖ നർത്തകിയും പാട്ടുകാരിയുമാണ് സപ്ന ചൗധരി"
"Sonia"
"സിനിമയിൽ ഝാൻസി റാണിയുടെ വേഷം ചെയ്യുന്നത് കങ്കണ റണൗട്ടാണ്"
"Sonia"
"ഇത് നമ്മുടെ നീതിന്യായ വ്യവസ്ഥകൾക്ക് നേരെയുള്ള കൊഞ്ഞനം കുത്തലല്ലേ"
"Sonia"
"ഉഷഃപൂജക്കുശേഷം തുടങ്ങുന്ന നെയ്യഭിഷേകം ഉച്ച്ക്ക് പന്ത്രണ്ട് വരെ തുടരും"
"Sonia"
"ആന്ധ്ര, ഒഡീഷ തീരങ്ങളിലാണ് തിത്ലി ചുഴലിക്കാറ്റ് ഭീഷണി"
"Sonia"
"സ്കൂൾതല കയെഴുത്തു മാസിക വാർഡ് മെമ്പർ ജലജ ശ്രീകുമാർ നിർവഹിച്ചു"
"Sonia"
"പൂഞ്ഞാർ നൃത്തഭവൻ ബാലെ സംഘത്തിലാണ് ആദ്യം ചേർന്നത്"
"Sonia"
"മുമ്പിവിടെ അറുപതോളം കുടുംബങ്ങൾ ഇഡ്ഢലി ഉണ്ടാക്കി വിറ്റിരുന്നു"
"Sonia"

IMaSC: ICFOSS Malayalam Speech Corpus

IMaSC is a Malayalam text and speech corpus made available by ICFOSS for the purpose of developing speech technology for Malayalam, particularly text-to-speech. The corpus contains 34,473 text-audio pairs of Malayalam sentences spoken by 8 speakers, totalling in approximately 50 hours of audio.

Dataset Structure

The dataset consists of 34,473 instances with fields text, speaker, and audio. The audio is mono, sampled at 16kH. The transcription is normalized and only includes Malayalam characters and common punctuation. The table given below specifies how the 34,473 instances are split between the speakers, along with some basic speaker info:

Speaker Gender Age Time (HH:MM:SS) Sentences
Joji Male 28 06:08:55 4,332
Sonia Female 43 05:22:39 4,294
Jijo Male 26 05:34:05 4,093
Greeshma Female 22 06:32:39 4,416
Anil Male 48 05:58:34 4,239
Vidhya Female 23 04:21:56 3,242
Sonu Male 25 06:04:43 4,219
Simla Female 24 09:34:21 5,638
Total 49:37:54 34,473

Data Instances

An example instance is given below:

{'text': 'സർവ്വകലാശാല വൈസ് ചാൻസലർ ഡോ. ചന്ദ്രബാബുവിനും സംഭവം തലവേദനയാവുകയാണ്',
 'speaker': 'Sonia',
 'audio': {'path': None,
  'array': array([ 0.00921631,  0.00930786,  0.00939941, ..., -0.00497437,
         -0.00497437, -0.00497437]),
  'sampling_rate': 16000}}

Data Fields

  • text (str): Transcription of the audio file
  • speaker (str): The name of the speaker
  • audio (dict): Audio object including loaded audio array, sampling rate and path to audio (always None)

Data Splits

We provide all the data in a single train split. The loaded dataset object thus looks like this:

DatasetDict({
     train: Dataset({
         features: ['text', 'speaker', 'audio'],
         num_rows: 34473
     })
 })

Dataset Creation

The text is sourced from Malayalam Wikipedia, and read by our speakers in studio conditions. Extensive error correction was conducted to provide a clean, accurate database. Further details are given in our paper, accessible at https://arxiv.org/abs/2211.12796.

Additional Information

Licensing

The corpus is made available under the Creative Commons license (CC BY-SA 4.0).

Citation

@misc{gopinath2022imasc,
    title={IMaSC -- ICFOSS Malayalam Speech Corpus},
    author={Deepa P Gopinath and Thennal D K and Vrinda V Nair and Swaraj K S and Sachin G},
    year={2022},
    eprint={2211.12796},
    archivePrefix={arXiv},
    primaryClass={cs.SD}
}
Downloads last month
8
Edit dataset card
Evaluate models HF Leaderboard

Models trained or fine-tuned on thennal/IMaSC