huggingartists/oxxxymiron
Text Generation • Updated • 9
text stringlengths 0 35.8k |
|---|
Говно, залупа, пенис, хер, давалка, хуй, блядина
Головка, шлюха, жопа, член, еблан, петух… мудила
Рукоблуд, ссанина, очко, блядун, вагина
Сука, ебланище, влагалище, пердун, дрочила
Пидор, пизда, туз, малафья
Гомик, мудила, пилотка, манда
Анус, вагина, путана, пидрила
Шалава, хуила, мошонка, елда…
Раунд!
Вот как я долже... |
Эй
Scady
Йо
Дон ли, Волга ли течёт — котомку на плечо
Боль в груди — там тайничок, открытый фомкой, не ключом
Сколько миль ещё? Перелет короткий был не в счёт
Долгий пыльный чёс, фургон набит коробками с мерчом
Верим, подфартит, наши постели портативны
Менестрелю два пути: корпоратив или квартирник
Схемы однотипны, все... |
Motherfuckers never thought I was the one to wait on
Why do you think I never stay calm?
I bet you didn’t think I’d make bombs
But every track I drop — napalm strike
Adaptation — I’m the proof
Im the only foreign in the crew
I was there when there was just a few
Why do you think there is English in this tune?
Oh-o... |
Sino hora sancta morta
Sino hora sancta morta
Sino hora sancta morta
Там, где нас нет — горит невиданный рассвет
Где нас нет — море и рубиновый закат
Где нас нет — лес, как малахитовый браслет
Где нас нет, на Лебединых островах
Где нас нет, услышь меня и вытащи из омута
Веди в мой вымышленный город, вымощенный золотом
... |
Знаешь чувство, будто забуксовал
Где-то свернул не туда и путь стал замысловат
И ты ходишь кругами, подбирая слова
Сознавая: всё исправить можно, лишь вернувшись назад
Контрамарки — да, действительны, кинолента идёт долго
Запаситесь терпеньем и поп-корном
Распишитесь и получите:
Ретроспектива столь симптоматична, сколь... |
Был у семьи, видел диапозитив
Вы мертвы, кто с них на нас глядит?
Сын на слайде — я был когда-то им
Лица выцвели или не найдены
Мир пуст и несправедлив
Фильм Discovery, принцип Дарвина:
Хитрый невинных, а сильный слабого
Мир изменил меня тихой сапою
В тихой заводи, тихой гавани
В мире идиллий и мишки Гамми
Наивны, как ... |
Марк, я тебе вообще кто: литературный агент или мамочка?
Ты когда-нибудь трубку возьмёшь? Я совершенно не хочу лезть в твои дела, но та юная особа, с которой тебя видели под утро... короче, будь осторожен помехи — чается вплоть до знаешь кого? Гуру! Давай серьёзно: если она вдруг потащит тебя на фавелы или, не дай бог,... |
Чёрный чёрствый хлеб тупой ломает нож
Уставлены глаза в размытый горизонт
Прямо с потолка идёт бесшумный дождь
Бегущая строка упёрлась в переплёт
Любовью чужой горят города
Извилистый путь затянулся петлёй
Когда все дороги ведут в никуда
Настала пора возвращаться домой
Шумная толпа заполнила перрон
И мальчик за стеклом... |
Я здесь чисто по фану, поглумиться над слабым
Ты же вылез из мамы под мой дисс на Бабана
Обличительный пафос — это пшик против папы
Эти рифмы писал мне пьяный Крипл под спайсом
Ты смешной, слишком длинный, откровенно нескладный
У тебя телосложение, как у беременной цапли
Непропорционально, как твой хайп и твой вклад в ... |
Обложку раньше могла украшать резьба
К переплёту часто была приартачена тесьма
Книга выглядела иначе — от печати до письма
Антиквар пожмёт плечами: «Не судьба»
Значит, так
Извините, в книге моей судьбы давно засалены страницы
Титульный лист исписан, смысл иллюстраций выцвел
Нет абзацев целых, с форзаца сдирается эксли... |
Kontrabandz
О-о, о-о-о, о-о, о-о-о
О-о, о-о-о, о-о
О-о, о-о-о, о-о, о-о-о
О-о, о-о-о, о, эй
Я знаю, что несчастье в бабках, поверь
Ведь нам и горизонта хватит вполне
Весь мир у твоих ног, но временно
Завтра всё вернёт назад
Где балом правят деньги, деньги, пусть так
Но только нал им не унести на костях
Весь мир у твои... |
Из точки А в точку Б вышел юноша бледный со взором горящим
По дороге слегка располнел, пропил доспехи, женился на прачке
Таков каждый второй тут, их рой тут, отряд не заметит потери бойца
А я жизни учился у мёртвых, как принц датский у тени отца
Говорят: стать толерантным надо, соблюдать меморандум, дабы
Знать все рамк... |
Безумие-е-е
Я честно даже не знаю, что в моём бланте
Что в моём S… что в моём… что в моём Spriteе
Я честно даже не помню, что в моём бланте , yes
Bombay, «Туссин», Bacardi — даже не знаю, что в моём Spriteе
Эта сука тоже не знает, что в её Spriteе
Она кричит: «Хватит!» , но мне не хватит , я-я срываю с неё платье
И ... |
У прилавков супермаркетов сутолока, в барах давка
Хоть этот год уже не на носу, как бородавка
Мыши норы под полом роют
Лицо в доме напротив в белой рамке стеклопакета, как Polaroid
Дикий пейзаж, за окном бухие крики – кураж
Сюда не едут хипари купить в бутике винтаж
Если в Wiki задашь «Кеннинг Таун», выкинет аж
Статью,... |
Лапы к самиздату тянут магистраты и Дяди Стёпы
Читающий еврей, но не Матисьяху
Двигается по галактике автостопом
Дайте пройти, кидайте в шляпу
Кредитные карты, дукаты, злоты
Если водится монет, как у нумизмата
Если ни гроша — напевайте строки
Жить — это про фарш, про тесто, слои лазаньи
Перечеркни мои болезни, Демна Гв... |
Vagabund Clan
Я не просто баламут, хам
Я свой собственный Плутарх
Это летопись, нужны разные флоу?
У меня девять есть, зови меня Wu-Tang
И пусть ты хоть Аламут брал
Но я неприступен
Я не преступен, хотя тут вам
Даже дети продадут грамм
Половину зовут Хан
Если тут кто-то курд, то он не Воннегут
Дам слово, что я не расис... |
End of preview. Expand in Data Studio
Dataset Card for "huggingartists/oxxxymiron"
Dataset Summary
The Lyrics dataset parsed from Genius. This dataset is designed to generate lyrics with HuggingArtists. Model is available here.
Supported Tasks and Leaderboards
Languages
en
How to use
How to load this dataset directly with the datasets library:
from datasets import load_dataset
dataset = load_dataset("huggingartists/oxxxymiron")
Dataset Structure
An example of 'train' looks as follows.
This example was too long and was cropped:
{
"text": "Look, I was gonna go easy on you\nNot to hurt your feelings\nBut I'm only going to get this one chance\nSomething's wrong, I can feel it..."
}
Data Fields
The data fields are the same among all splits.
text: astringfeature.
Data Splits
| train | validation | test |
|---|---|---|
| 210 | - | - |
'Train' can be easily divided into 'train' & 'validation' & 'test' with few lines of code:
from datasets import load_dataset, Dataset, DatasetDict
import numpy as np
datasets = load_dataset("huggingartists/oxxxymiron")
train_percentage = 0.9
validation_percentage = 0.07
test_percentage = 0.03
train, validation, test = np.split(datasets['train']['text'], [int(len(datasets['train']['text'])*train_percentage), int(len(datasets['train']['text'])*(train_percentage + validation_percentage))])
datasets = DatasetDict(
{
'train': Dataset.from_dict({'text': list(train)}),
'validation': Dataset.from_dict({'text': list(validation)}),
'test': Dataset.from_dict({'text': list(test)})
}
)
Dataset Creation
Curation Rationale
Source Data
Initial Data Collection and Normalization
Who are the source language producers?
Annotations
Annotation process
Who are the annotators?
Personal and Sensitive Information
Considerations for Using the Data
Social Impact of Dataset
Discussion of Biases
Other Known Limitations
Additional Information
Dataset Curators
Licensing Information
Citation Information
@InProceedings{huggingartists,
author={Aleksey Korshuk}
year=2021
}
About
Built by Aleksey Korshuk
For more details, visit the project repository.
- Downloads last month
- 12
Models trained or fine-tuned on huggingartists/oxxxymiron