پڕۆژەی فەرمی و چاڵاک • farmanOthman Kurdish AI

سیستەمی دەنگ و داتاسێتی کوردی

گەورەترین داتاسێتی دەنگی کوردیی سۆرانی بە زیاتر لە ١,٢٠٦,٠٠٠ وشە و ١٠٠,٠٠٠ کلیپی بێژەر ڕەنج سەنگاوی

🎙️
دەنگ و بێژەری سەرەکی
ڕەنج سەنگاوی
📚
کۆی وشەکانی داتاسێت
1,200,000+ Words
📊
کۆی کلیپەکان (Rows)
100,000 Clips
⏱️
ماوەی گشتی دەنگەکان
166.0 Hours
🎧
کوالیتی تۆمارکردن
24kHz PCM
پیت: ٤ | وشە: ١ دەنگی فەرمی: ڕەنج سەنگاوی (Ranj Sangawi)
نموونە وشە و دەستەواژەکانی ڕەنج سەنگاوی لە داتاسێت:
سڵاو بازاڕی ئۆنلاین لەگەڵ ڕەنج تەندروستی کوردستان وتەی ڕەنج
بێژەر و کەسایەتیی دەنگ:
🎙️ ڕەنج سەنگاوی (Ranj Sangawi) - تەنیا دەنگی فەرمی
خێرایی خوێندنەوە:
خاو (0.85x)
ئاسایی (1.0x)
خێرا (1.2x)
🔥 ستایلی ماستەرینگی رووداو (Rudaw Audio Mastering):
✓ دەنگەکە ئامادەیە (Farman Voice Engine)
⬇ داگرتنی دەنگ (WAV)
ڕاپۆرتی هەواڵی بەپەلەی رووداو (Rudaw Media Network)

هاتووچۆی هەولێر لەبارەی دەستبەسەرداگرتنی ئۆتۆمبێلی پێشمەرگەیەک: بێسەرەتا بووە

✍️ ئامادەکردنی: محەممەد رەحیم کەریم 📅 ڕێکەوت: 23-09-2026 📍 هەولێر - هەرێمی کوردستان 🔗 سەرچاوەی هەواڵ لە سایتی رووداو
🎙️ دەنگی ڕەنج سەنگاوی (Ranj Voice AI) 48kHz Broadcast Master

خوێندنەوەی هەواڵەکە بە تەواوی بە دەنگی ڕەنج سەنگاوی بە کواڵیتی باڵای پەخشی کەناڵ لەگەڵ دەستپێکی موزیکی فەرمی رووداو:

📻 دەنگی سەرەکیی رووداو (Rudaw Official AI) Original Web Audio

فایلی دەنگیی فەرمیی سایتی رووداو کە بۆ ئەم هەواڵە بەرهەمهێنراوە بۆ بەراوردکردنی ڕاستەوخۆ:

📜 دەقی ڕاپۆرتەکە کە لە دەنگەکەدا خوێندراوەتەوە:

١. دەستپێک: رووداو دیجیتاڵ. پێشمەرگەیەکی نەخۆش و برینداری خەڵکی باڵەکایەتی دەڵێت، بەهۆی ڕێگریکردن لە کاروانی بەڕێوەبەری هاتووچۆ ئۆتۆمبێلەکەی دەستی بەسەردا گیراوە و داوای زیاتر لە یەک ملیۆن و شەشسەد هەزار دیناری لێدەکرێت. لەبەرامبەردا، هاتووچۆی هەولێر ئەو بانگەشەیە ڕەتدەکاتەوە و ڕایدەگەیەنێت ئۆتۆمبێلەکە بێسەرەتا بووە و سەرپێچیی کامێرای لەسەرە.

٢. وردەکاریی ئۆتۆمبێل: ئۆتۆمبێلەکە لە جۆری شێڤرۆلێت ئەڤیۆ مۆدێلی دوو هەزار و حەوتە، بە تابلۆی شازدە هەزار و حەوتسەد و چواردە تەصدیر سوریا. ڕۆژی حەوتی ئەیلوولی دوو هەزار و بیست و چوار، لە نزیک بەستۆڕە لە ڕێگەی هەولێر بۆ پیرمام دەستی بەسەردا گیراوە.

٣. وتەی پێشمەرگەکە: ڕێبین محەممەد، پێشمەرگە لە هێزەکانی پشتیوانیی یەک، بە رووداوی راگەیاند: بەرەو پرسەیەک دەچووم، دوو ئۆتۆمبێلی لاندکرۆزەر لە دواوەم بوون، لە بازگەیەکی قەزای پیرمام راگیرام و گوتیان رێگەت لە بەڕێوەبەری هاتووچۆ گرتووە.

٤. باری تەندروستی و گوزەران: ئەو پێشمەرگەیە گوتی: پازدە ڕۆژە ئۆتۆمبێلەکەم دەستی بەسەردا گیراوە و داوای ملیۆنێک و شەشسەد و حەڤدە هەزار دینارم لێدەکەن. لەکاتێکدا من پێشمەرگەیەکی کەمئەندامم، کێشەی گورچیلەم هەیە، چوار منداڵم هەیە و شەش ملیۆن دیناریش قەرزارم؛ ڕۆژانە بەکرێ هاتووچۆ دەکەم بۆ شۆردنی گورچیلە و ژیانم لە دۆخێکی زۆر سەختدایە.

٥. ڕوونکردنەوەی هاتووچۆ: هاتووچۆ: ئۆتۆمبێلەکە بێسەرەتایە. عەقید هێمن ئەمین، وتەبێژی بەڕێوەبەرایەتیی هاتووچۆی هەولێر، ڕەتیکردەوە دەستبەسەرداگرتنی ئۆتۆمبێلەکە پەیوەندیی بە کەسەوە هەبووبێت و گوتی: ئەو دەنگۆیانە دوورن لە ڕاستییەوە، بەڕێوەبەری هاتووچۆ لەوێ نەبووە، بەڵکو من خۆم لەوێ بووم و دەستم بەسەردا گرتووە. بڕیاری وەزارەتی ناوخۆ هەیە کە دەست بەسەر هەموو ئۆتۆمبێلێکی بێسەرەتا و بێژمارەدا بگیرێت.

٦. بڕی سزاکە و داشکاندن: سەبارەت بە بڕی پارەکەش، وتەبێژی هاتووچۆ ڕوونیکردەوە: سزای لێخوڕینی ئۆتۆمبێلی بێسەرەتا بەپێی یاسا یەک ملیۆن دینارە، بەڵام بە داشکاندنەکەی سەرۆکی حکومەت کراوەتە هەشتسەد هەزار دینار. پارەکەی دیکە بریتییە لە سزای سەرپێچییەکانی کامێرا کە لە پێشتردا کردوونی؛ دوای پاکتاوکردنیش دەبێت ئۆتۆمبێلەکە لە سنووری پارێزگای هەولێر ببرێتە دەرەوە.

📊 پێکهاتەی داتاسێتی فەرمان

  • ناوی داتاسێت: kurdish-voice-dataset
  • کۆی وشەکان: 1,200,574 Words (1M+ Target Met)
  • کۆی ڕیزەکان: 100,000 Entries (100K)
  • کۆی دەنگ: 166.0 Hours (~597,759 sec)
  • شێوەزار: سۆرانی (Central Kurdish / ckb)
  • فۆرمات: 24,000 Hz, 16-bit PCM, Mono
  • کۆڵۆمەکان: file_name, text, speaker, duration...

📂 دابەشکردنی پارچەکان (Splits)

  • Train Split: 80,000 ڕیز (80%)
  • Validation Split: 10,000 ڕیز (10%)
  • Test Split: 10,000 ڕیز (10%)
  • مۆدێلی پەیوەندیدار: farmanOthman/kurdish-tts
  • مۆڵەت: CC-BY-NC-4.0

💻 چۆنیەتی بارکردنی داتاسێت لە پایتۆن بە فەرمی:

from datasets import load_dataset # Load Farman Othman 100,000-clip Kurdish Voice Dataset dataset = load_dataset("farmanOthman/kurdish-voice-dataset") print(dataset) # Output: # DatasetDict({ # train: Dataset({ features: ['file_name', 'text', 'speaker', 'duration', ...], num_rows: 80000 }) # validation: Dataset({ features: [...], num_rows: 10000 }) # test: Dataset({ features: [...], num_rows: 10000 }) # })