144 lines
3.6 KiB
Markdown
144 lines
3.6 KiB
Markdown
# FLEURS
|
||
|
||
|
||
## 概述
|
||
|
||
FLEURS（Few-shot Learning Evaluation of Universal Representations of Speech）是一个覆盖102种语言的大规模多语言基准测试，用于评估自动语音识别（ASR）、口语理解以及语音翻译任务。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：自动语音识别（ASR）
|
||
- **输入**：包含多种语言语音的音频录音
|
||
- **输出**：对应语言的转录文本
|
||
- **语言**：涵盖102种语言，包括简体中文、粤语、英语等
|
||
|
||
## 主要特点
|
||
|
||
- 覆盖102种语言的大规模多语言数据
|
||
- 源自FLoRes-101机器翻译基准测试
|
||
- 包含多样化的语系和文字系统
|
||
- 高质量的人工录音与转录
|
||
- 元数据包含性别、语系分组和说话人信息
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **test** 数据划分
|
||
- 主要指标：**词错误率（Word Error Rate, WER）**
|
||
- 默认子集：`cmn_hans_cn`（普通话）、`en_us`（英语）、`yue_hant_hk`（粤语）
|
||
- 评估过程中应用语言特定的文本归一化
|
||
- 提示词：**"Please recognize the speech and only output the recognized content"**
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `fleurs` |
|
||
| **数据集ID** | [lmms-lab/fleurs](https://modelscope.cn/datasets/lmms-lab/fleurs/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Audio`, `MultiLingual`, `SpeechRecognition` |
|
||
| **指标** | `wer` |
|
||
| **默认样本数（Shots）** | 0-shot |
|
||
| **评估划分** | `test` |
|
||
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 2,411 |
|
||
| 提示词长度（平均） | 67 字符 |
|
||
| 提示词长度（最小/最大） | 67 / 67 字符 |
|
||
|
||
**各子集统计数据：**
|
||
|
||
| 子集 | 样本数 | 提示词平均长度 | 提示词最小长度 | 提示词最大长度 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `cmn_hans_cn` | 945 | 67 | 67 | 67 |
|
||
| `en_us` | 647 | 67 | 67 | 67 |
|
||
| `yue_hant_hk` | 819 | 67 | 67 | 67 |
|
||
|
||
**音频统计数据：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 音频文件总数 | 2,411 |
|
||
| 每样本音频数量 | 最小: 1, 最大: 1, 平均: 1 |
|
||
| 格式 | wav |
|
||
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `cmn_hans_cn`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "daf508c3",
|
||
"content": [
|
||
{
|
||
"text": "Please recognize the speech and only output the recognized content:"
|
||
},
|
||
{
|
||
"audio": "[BASE64_AUDIO: wav, ~648.8KB]",
|
||
"format": "wav"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"target": "这 并 不 是 告 别 这 是 一 个 篇 章 的 结 束 也 是 新 篇 章 的 开 始",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"metadata": {
|
||
"id": 1906,
|
||
"num_samples": 166080,
|
||
"raw_transcription": "“这并不是告别。这是一个篇章的结束，也是新篇章的开始。”",
|
||
"language": "Mandarin Chinese",
|
||
"gender": 0,
|
||
"lang_id": "cmn_hans",
|
||
"lang_group_id": 6
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
Please recognize the speech and only output the recognized content:
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 使用命令行（CLI）
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets fleurs \
|
||
--limit 10 # 正式评估时请删除此行
|
||
```
|
||
|
||
### 使用 Python
|
||
|
||
```python
|
||
from evalscope import run_task
|
||
from evalscope.config import TaskConfig
|
||
|
||
task_cfg = TaskConfig(
|
||
model='YOUR_MODEL',
|
||
api_url='OPENAI_API_COMPAT_URL',
|
||
api_key='EMPTY_TOKEN',
|
||
datasets=['fleurs'],
|
||
dataset_args={
|
||
'fleurs': {
|
||
# subset_list: ['cmn_hans_cn', 'en_us', 'yue_hant_hk'] # 可选，用于指定评估子集
|
||
}
|
||
},
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
``` |