obadx/qdat_bench

• قاعدة بيانات معيارية صغيرة الحجم (159 عينة) لأجل تقييم أداء نماذج الذكاء الاصطناعي لكشف أخطاء التلاوة وقواعد تجويد القرآن الكريم.
• لقد تم بناء هذه قاعدة البيانات على qdat من الورقة البحثية
• المقاطع عبارة عن قارءة لآية: {قَالُوا۟ لَا عِلْمَ لَنَآ إِنَّكَ أَنتَ عَلَّٰمُ ٱلْغُيُوبِ} بسورة المائدة من الآية 109

آلية بناء البيانات المعيارية

كان لدى qdat بعض العيوب مما أدى لبناء qdat_bench أهمها:

• عدم تغطية كل قواعد التجويد
• كانت تحتوي على 161 قارئ وقام كل قارئ بتسجيل 10 مقاطع لنفس الأحكام والقواعد فقمنا باختيار مقطع لك قارئ

هيكل البيانات

الميزات الرئيسية:

• audio: الملف الصوتي (معدل العينة: غير محدد، أحادي القناة)
• id: معرف فريد لكل عنصر
• original_id: المعرف الأصلي في مجموعة البيانات الأصلية
• gender: جنس القارئ (ذكر/أنثى)
• age: عمر القارئ
• phonetic_transcript: النص الصوتي باستخدام حزمة quran-transcript

أحكام المدود:

• qalo_alif_len: طول مد الألف في كلمة "قالوا" (0-8)
• qalo_waw_len: طول مد الواو في كلمة "قالوا" (0-8)
• laa_alif_len: طول مد الألف في كلمة "لا" (0-8)
• separate_madd: طول المد المنفصل في "لنا إنك" (0-8)
• allam_alif_len: طول مد الألف في كلمة "علام" (0-8)
• madd_aared_len: طول المد العارض للسكون (0-8)

أحكام الغنة:

• noon_moshaddadah_len: طول النون المشددة في "إنَّك" (0=جزئي, 1=كامل)
• noon_mokhfah_len: طول النون المخفاة في "أنت" (0=نون, 1=جزئي, 2=كامل)

أحكام القلقلة:

• qalqalah: وجود القلقلة في "الغيوب" (0=لا يوجد, 1=يوجد)

صفات الحروف:

كل مجموعة حروف صوتية مثل: "اااا" في ال phonetic_transcript لها 10 صفات في العمود sifat على هيئة dictionary

• ghonna: الغنة
• hams_or_jahr: الهمس أو الجهر
• istitala: الاستطالة
• itbaq: الإطباق
• phonemes: الأصوات
• qalqla: القلقلة
• safeer: الصفير
• shidda_or_rakhawa: الشدة أو الرخاوة
• tafashie: التفشي
• tafkheem_or_taqeeq: التفخيم أو الترقيق
• tikraar: التكرار

الاستخدام

from datasets import load_dataset

ds = load_dataset('obadx/qdat_bench')
print(ds['train'][0])  # عرض العينة الأولى

الإحصائيات

• عدد العينات: 159
• Split: train فقط

English

QDat-Bench Dataset

A benchmark dataset for evaluating model performance in processing Quranic audio recordings with focus on Tajweed rules.

Description

This dataset contains Quranic audio recordings with detailed annotations for Tajweed characteristics. It is designed to serve as a benchmark for evaluating audio processing models in recognizing Tajweed rules.

Data Structure

Main Features:

• audio: Audio file (sampling rate: None, mono channel)
• id: Unique identifier for each element
• original_id: The item's ID in the original dataset
• gender: Reciter's gender (male/female)
• age: Reciter's age
• phonetic_transcript: Phonetic transcription using quran-transcript package

Madd (Prolongation) Rules:

• qalo_alif_len: Length of normal madd alif in word "قالوا" (0-8)
• qalo_waw_len: Length of normal madd waw in word "قالوا" (0-8)
• laa_alif_len: Length of normal madd alif in word "لا" (0-8)
• separate_madd: Length of separate madd for "لنا إنك" (0-8)
• allam_alif_len: Length of normal madd alif in word "علام" (0-8)
• madd_aared_len: Length of madd aared for sukoon (0-8)

Ghunnah (Nasalization) Rules:

• noon_moshaddadah_len: Length of noon moshaddadah in "إنَّك" (0=partial, 1=complete)
• noon_mokhfah_len: Length of noon mokhfah in "أنت" (0=noon, 1=partial, 2=complete)

Qalqalah (Echo) Rules:

• qalqalah: Existence of qalqalah for "الغيوب" (0=no qalqalah, 1=has qalqalah)

Letter Characteristics:

Contains a list of characteristics for each letter:

• ghonna: Ghunnah (nasalization)
• hams_or_jahr: Hams (whisper) or Jahr (clarity)
• istitala: Istitala (elongation)
• itbaq: Itbaq (adhesion)
• phonemes: Phonemes
• qalqla: Qalqalah (echo)
• safeer: Safeer (whistling)
• shidda_or_rakhawa: Shidda (strength) or Rakhawa (softness)
• tafashie: Tafashie (diffusion)
• tafkheem_or_taqeeq: Tafkheem (emphasis) or Taqeeq (thinning)
• tikraar: Tikraar (repetition)

Usage

from datasets import load_dataset

ds = load_dataset('obadx/qdat_bench')
print(ds['train'][0])  # Display first sample

Statistics

• Number of samples: 159
• Split: train only