Открытые материалы исследования

Сравните распознавание с эталоном

Прослушайте каждый клип, прочитайте эталон и сопоставьте с ним гипотезы 8 моделей в 2 режимах обработки. В таблицах это 11 конфигураций. Ошибки выделены по словам, а замороженные промежуточные данные доступны для скачивания.

491аудиозапись с эталоном
8 моделей2 режима, 11 конфигураций
177,2 минспонтанной русской речи
488клипов общие для всех конфигураций

491 запись: аудио, эталон и гипотезы

Найдите фразу, выберите конфигурацию и раскройте карточку с пословным сравнением.

Данные ещё не открыты
Подтвердите условия выше, чтобы открыть поклиповый набор.

Скачать исходные и промежуточные данные

Публикация воспроизводима: версии, сырые гипотезы и хеши лежат рядом.

Полный JSON для интерфейса 491 клип, эталоны, гипотезы 11 конфигураций, нормализованные строки и S/I/D. clips.json · 6,7 МБ Поклиповый NDJSON Те же данные построчно и с gzip-сжатием для анализа. clips.ndjson.gz Итоговая таблица Micro-WER, медиана, среднее, S/I/D и полнота для 11 конфигураций. single-engine-summary.json Итоговая таблица в CSV Те же агрегаты в плоском формате для таблиц и графиков. single-engine-summary.csv Манифест корпуса Клип, эталон, длительность, частота, SHA-256 и источник. corpus-manifest.csv Паспорт набора Лицензия, ограничения, структура и точный контракт WER. corpus-README.md Контрольные суммы SHA-256 всех опубликованных данных и 491 MP3. SHA256SUMS.txt Основной отчёт прогона Исходный составной отчёт до финального офлайн-пересчёта. original-run-reports/main.json Три recovery-отчёта Почему результаты собирались из основного запуска и восстановлений. original-run-reports/

Исходные результаты распознавания

GigaAM491 гипотеза.gigaam_v3_batch.ndjson.gz GPT Realtime491 гипотеза.gpt_realtime_whisper.ndjson.gz faster-whisper491 гипотеза.faster_whisper_local.ndjson.gz OpenAI whisper-1491 гипотеза.openai_whisper1_batch.ndjson.gz Deepgram batch489 гипотез.deepgram_batch.ndjson.gz Deepgram stream489 гипотез.deepgram_streaming.ndjson.gz Sber stream491 гипотеза.sber_salutespeech_v2_stream.ndjson.gz Sber async491 гипотеза.sber_async_batch.ndjson.gz Yandex stream491 гипотеза.yandex_v3_stream.ndjson.gz Yandex async491 гипотеза.yandex_async_batch.ndjson.gz Nexara491 гипотеза.nexara_batch.ndjson.gz

Внутренние поля нормализации в исходных отчётах и файлах с результатами распознавания отражают окружение первичного запуска. Канонические числа статьи находятся в single-engine-summary.json и пересчитаны офлайн по единому правилу, включая запись чисел русскими словами. Исходный корпус доступен у Mozilla Data Collective.