الدقة: مقيسة، لا مُدَّعاة

لا نعلن رقماً واحداً للدقة. كل صف أدناه مجموعة تسجيلات محددة ونموذج محدد، بعدد المقاطع والدقائق وتاريخ القياس، ويقول بوضوح هل الصوت لمتحدث حقيقي أم صوت مولَّد.

الصفوف الموسومة «اصطناعي» مقيسة على جمل مولَّدة بتحويل النص إلى كلام: تثبت أن المسار يعمل، ولا تقول شيئاً عن دقة قولك مع متحدثين حقيقيين. لهجات الخليج ومصر والشام لم تُقَس بعد مع متحدثين حقيقيين. العراقية والمغربية تُفرَّغان دون نسبة خطأ مقيسة مع متحدثين حقيقيين، وللعراقية لا إعداد خاص بعد.

النتائج

الفصحى: مقاطع من مدوّنة الكلام العربي بترخيص CC BY 4.0، قارئ واحد في استوديو، وليست لهجة.

الهندية والأردية: مقاطع التحقق من FLEURS (جمل مقروءة) وIndicVoices (كلام عفوي) بترخيص CC BY 4.0، ولم تُفتح مجموعات الاختبار.

كيف نقيس

نسبة خطأ الكلمات = مجموع الكلمات المستبدلة والمحذوفة والمضافة ÷ عدد كلمات النص المرجعي، على المجموعة كلها لا متوسط المقاطع. نطبّع النص قبل المقارنة: بلا تشكيل ولا علامات ترقيم، مع توحيد صور الألف والتاء المربوطة. الأرقام من ملفات الاختبار نفسها، وتُعاد بأمر واحد:

python bench/asr_bench.py --set msa --models large-v3-turbo --seed both
python bench/asr_bench.py --set fleurs-hi-val --product

ما ينقص

تسجيلات بموافقة مكتوبة من متحدثين حقيقيين: ٣٠ دقيقة لكل من الخليجية والمصرية والشامية والفصحى، و١٠ دقائق خليجي مع إنجليزي، و٣٠ دقيقة لكل من الهنجليزية والأردية مع الإنجليزية. حين تصل، تمتلئ الصفوف الفارغة بالأمر نفسه وبتاريخ جديد.