ロシア語の音声合成には、母音の短縮（vowel reduction）、子音の無声音化（consonant devoicing）、変動するストレスパターン、同形異義語の曖昧さ、そして不自然な抑揚といった特有の課題が存在します。本論文では、Balalaikaと呼ばれる新しいデータセットを紹介します。このデータセットは、句読点やストレスマークを含む包括的なテキスト注釈とともに、2,000時間以上のスタジオ品質のロシア語音声を収録しています。実験結果によると、Balalaikaで学習したモデルは既存のデータセットで学習したモデルよりも、音声合成および強化タスクにおいて著しく優れた性能を示しました。ここでは、データセット構築プロセス、注釈手法、および比較評価の結果について詳細に説明します。