Apa itu tolok ukur FLEURS? Itu adalah set uji publik berisi ucapan yang dibacakan dalam 102 bahasa, dipakai untuk membandingkan sistem pengenal ucapan pada bahan yang sama. Keluaran tiap sistem dinilai terhadap teks acuan, yang memberi satu tingkat kesalahan yang bisa dibandingkan untuk tiap bahasa.
Transkripsikan rekaman
Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.
Buka @potok_now_bot di Telegram
File hingga 2 GB · ekspor ke TXT, MD, DOCX, PDF, SRT, dan VTT · label pembicara dan stempel waktu · sekitar 30 bahasa
Fakta utama
- Para pembicara membacakan kalimat dengan lantang, jadi datanya lebih bersih daripada rapat, panggilan, atau rekaman jalanan yang nyata.
- Skor biasanya dilaporkan sebagai word error rate, atau character error rate untuk bahasa yang ditulis tanpa spasi.
- Bahasa dengan banyak jam uji tetap bisa mendapat skor buruk jika model punya sedikit data latih untuknya.
- Skor yang dipublikasikan berasal dari pembuat model atau pihak ketiga, bukan dari produk yang mengutipnya.
- Karena setiap sistem membaca kalimat yang sama, selisih skor antara dua sistem pada satu bahasa lebih mudah ditafsirkan.
Tampilannya
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"])
Selengkapnya
Lihat daftar lengkap bahasa, alat, dan glosarium.
Pertanyaan yang sering diajukan
Siapa yang menerbitkan data FLEURS?
Set data ini dirilis oleh Google dan dibagikan lewat Hugging Face. Siapa pun bisa memuatnya, sehingga peneliti dapat mereproduksi skor yang dipublikasikan.
Apakah skor FLEURS yang bagus memprediksi hasil saya?
Hanya kira-kira. Ucapan yang dibacakan di tempat tenang lebih mudah daripada wawancara bising, jadi rekaman Anda biasanya mendapat skor lebih buruk daripada tolok ukurnya.
Mengapa tolok ukur penting?
Tolok ukur memungkinkan Anda membandingkan sistem pada bahan uji dan metode penilaian yang sama, yang lebih informatif daripada klaim pemasaran tentang kualitas.
Apakah angka FLEURS adalah hasil pengukuran kami sendiri?
Bila halaman Potok mengutipnya, itu hasil terbitan pihak lain, bukan uji kami sendiri. Pakai sebagai panduan dan coba satu file pendek milik Anda.
Apa yang tidak dicakup tolok ukur ini?
Ruangan bising, suara tumpang tindih, ucapan spontan, dan kosakata khusus jarang ada dalam data ucapan yang dibacakan, jadi periksa kasus itu pada audio Anda sendiri.
Sumber
Setiap sumber dibuka secara manual pada tanggal yang tertera. Halaman bisa berubah, jadi buka sumbernya jika ada detail yang penting bagi Anda.
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · diperiksa
- Word error rate (Wikipedia), Wikipedia · diperiksa
Coba pada rekaman Anda sendiri
Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.
Buka @potok_now_bot di Telegram