¿Qué es el benchmark FLEURS? Es un conjunto de prueba público de voz leída en 102 idiomas, que sirve para comparar sistemas de reconocimiento de voz sobre el mismo material. La salida de cada sistema se puntúa frente a un texto de referencia, lo que da una tasa de error comparable por idioma.
Transcribe una grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram
Archivos de hasta 2 GB · exportación a TXT, MD, DOCX, PDF, SRT y VTT · etiquetas de hablantes y marcas de tiempo · unos 30 idiomas
Datos clave
- Los hablantes leen frases en voz alta, así que los datos son más limpios que los de reuniones, llamadas o grabaciones en la calle.
- Las puntuaciones suelen darse como tasa de error de palabras, o tasa de error de caracteres en idiomas que se escriben sin espacios.
- Un idioma con muchas horas de prueba puede puntuar mal si el modelo tuvo pocos datos de entrenamiento para él.
- Las puntuaciones publicadas vienen de los creadores de los modelos o de terceros, no del producto que las cita.
- Como todos los sistemas leen las mismas frases, es más fácil interpretar una diferencia de puntuación entre dos sistemas en un idioma.
Cómo se ve
from datasets import load_dataset
// one language of the test split, English (US)
fleurs = load_dataset("google/fleurs", "en_us", split="test")
print(fleurs[0]["transcription"]) # reference text for scoring
print(fleurs[0]["audio"]["sampling_rate"])
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Quién publica los datos de FLEURS?
El conjunto de datos lo publica Google y se distribuye a través de Hugging Face. Cualquiera puede cargarlo, así que los investigadores pueden reproducir una puntuación publicada.
¿Una buena puntuación en FLEURS predice mi resultado?
Solo de forma aproximada. La voz leída en un entorno tranquilo es más fácil que una entrevista ruidosa, así que tu propia grabación normalmente puntuará peor que el benchmark.
¿Por qué importan los benchmarks?
Permiten comparar sistemas con el mismo material de prueba y el mismo método de puntuación, lo cual es más informativo que cualquier afirmación publicitaria sobre la calidad.
¿Las cifras de FLEURS son mediciones propias?
Cuando las páginas de Potok las citan, son resultados publicados por otros, no pruebas nuestras. Úsalas como orientación y prueba con un archivo corto tuyo.
¿Qué no cubre el benchmark?
Las salas ruidosas, las voces superpuestas, el habla espontánea y el vocabulario especializado casi no aparecen en datos de voz leída, así que comprueba esos casos con tu propio audio.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · comprobado
- Word error rate (Wikipedia), Wikipedia · comprobado
Pruébalo con tu propia grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram