evalstone/evalscope/docs/zh/benchmarks/torgo.md

TORGO

概述

TORGO 是一个专门用于评估自动语音识别（ASR）系统在运动性言语障碍患者上的表现的数据库。它包含来自脑瘫（CP）或肌萎缩侧索硬化症（ALS）患者的对齐声学与发音数据。

任务描述

• 任务类型：运动性构音障碍语音识别
• 输入：言语障碍者的音频录音
• 输出：转录文本
• 重点：无障碍与包容性 ASR 评估

主要特性

• 针对运动性构音障碍语音的专用数据集
• 包含脑瘫（CP）或 ALS 患者的数据
• 基于可懂度划分的子集（轻度、中度、重度）
• 3D 发音特征对齐
• 对无障碍研究具有重要意义

评估说明

• 默认配置使用 test 数据划分
• 按可懂度划分的子集：mild（轻度）、moderate（中度）、severe（重度）
• 评估指标：CER（字符错误率）、WER（词错误率）、SemScore
• CER/WER 指标需安装 jiwer 包
• SemScore 指标需安装 jellyfish 包
• 支持批量评分以提升效率

属性

属性	值
基准测试名称	torgo
数据集ID	extraordinarylab/torgo
论文	N/A
标签	Audio, SpeechRecognition
指标	cer, wer, sem_score
默认提示方式	0-shot
评估划分	test

数据统计

指标	值
总样本数	5,553
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
mild	1,479	67	67	67
moderate	1,666	67	67	67
severe	2,408	67	67	67

音频统计：

指标	值
音频文件总数	5,553
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: mild

{
  "input": [
    {
      "id": "1220f252",
      "content": [
        {
          "text": "Please recognize the speech and only output the recognized content:"
        },
        {
          "audio": "[BASE64_AUDIO: wav, ~89.1KB]",
          "format": "wav"
        }
      ]
    }
  ],
  "target": "FEE",
  "id": 0,
  "group_id": 0,
  "subset_key": "mild",
  "metadata": {
    "transcript": "FEE",
    "intelligibility": "mild",
    "duration": 2.8499999046325684
  }
}

提示模板

提示模板：

Please recognize the speech and only output the recognized content:

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets torgo \
    --limit 10  # 正式评估时请删除此行

使用 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=['torgo'],
    dataset_args={
        'torgo': {
            # subset_list: ['mild', 'moderate', 'severe']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)