Datasetpublic

uam-wmi-asr-eval-labs/2026-zwesui-g04-botanika-probka

ZWESUI 2026 - Grupa 4 - botanika - probka Publiczna próbka ilustrująca domenę zbioru testowego ASR zbudowanego przez Grupę 4 (ZWESUI 2026) w ramach przedmiotu Warsztaty z ewaluacji systemów rozpoznawania mowy (UAM WMI). Pełny zbiór jest utrzymywany jako held-out w organizacji uam-wmi-asr-eval-labs — dostęp na prośbę (HF @michaljunczyk, micjun@amu.edu.pl). Pełny zbiór (held-out, prywatny): uam-wmi-asr-eval-labs/2026-zwesui-g04-botanika Oryginał zespołu: mszulcc/grupa-4-ZWESUI0… See the full description on the dataset page: https://huggingface.co/datasets/uam-wmi-asr-eval-labs/2026-zwesui-g04-botanika-probka.

sourceHugging Faceotherupdated 1mo agoView on Hugging Face

0likes14downloads

Dataset Card

ZWESUI 2026 - Grupa 4 - botanika - probka

Publiczna próbka ilustrująca domenę zbioru testowego ASR zbudowanego przez Grupę 4 (ZWESUI 2026) w ramach przedmiotu Warsztaty z ewaluacji systemów rozpoznawania mowy (UAM WMI). Pełny zbiór jest utrzymywany jako held-out w organizacji `uam-wmi-asr-eval-labs` — dostęp na prośbę (HF @michaljunczyk, micjun@amu.edu.pl).

—Pełny zbiór (held-out, prywatny): uam-wmi-asr-eval-labs/2026-zwesui-g04-botanika
—Oryginał zespołu: `mszulcc/grupa-4-ZWESUI0` (gated, po zalogowaniu)
—Domena: botanika
—Próbka: 10 segmentów (10 z audio, 0 tylko tekst + odnośnik do źródła)
—Cel próbki: pokazać charakter danych (słownictwo, styl mowy, warunki akustyczne), aby publikowane metryki dało się interpretować bez dostępu do pełnego zbioru. Próbka nie służy do ewaluacji.

Dobór segmentów

Sześć segmentów naturalnych z różnych filmów oraz cztery segmenty syntetyczne (KugelAudio).

Wybór deterministyczny (ziarno 20260815), równomierny po źródłach/subdomenach, długość segmentu 2,5–15 s. Kolumny annotator/verified_by pominięto; nazwy plików zanonimizowane. Kolumna audio_included mówi, czy wiersz zawiera audio; note wyjaśnia brak audio i wskazuje fragment w źródle.

Licencje

Nagrania naturalne w próbce pochodzą wyłącznie z filmów YouTube (uprawa roślin, ogrodnictwo), które są oznaczone licencją Creative Commons — Uznanie autorstwa, potwierdzoną przez prowadzącego na stronach filmów 2026-08-15. Segmenty syntetyczne w próbce: KugelAudio-0-Open (MIT). Segmenty Coqui XTTS v2 (licencja niekomercyjna) i filmy bez potwierdzonej licencji nie są udostępniane.

Wyniki zespołu na pełnym zbiorze

Wartości zgłoszone przez zespół w raporcie końcowym (czerwiec 2026), liczone na pełnym zbiorze własnym protokołem normalizacji zespołu. Nie były niezależnie odtwarzane — niezależna ewaluacja zbiorów held-out planowana jest w ramach BIGOS V3 / Polish ASR Leaderboard V2 (do końca 2026).

System	WER	CER	RTF	WER — mowa spontaniczna (YouTube)	WER — synteza (TTS)
Whisper large-v3	6,5%	2,2%	0,32	7,1%	3,8%
Cohere Transcribe 2B	9,2%	3,6%	0,16	10,2%	5,5%
Qwen3-ASR 1.7B	12,4%	5,1%	0,11	13,9%	7,2%

Schemat

Kolumna	Opis
`id`	identyfikator segmentu w próbce
`audio`	audio segmentu (WAV, mono) lub `null`
`text`	transkrypcja referencyjna zespołu (bez normalizacji)
`duration_s`	długość segmentu w sekundach
`speech_type`	`spontaneous` / `read`
`source_type`	`natural` / `tts`
`speaker_gender`	płeć mówcy, jeśli oznaczona przez zespół
`subdomain`	poddziedzina, jeśli oznaczona
`tts_engine`	silnik syntezy dla `source_type=tts`
`source_url`	źródło nagrania
`source_license`	licencja źródła (deklaracja zespołu + weryfikacja prowadzącego, gdzie możliwa)
`audio_included`	czy wiersz zawiera audio
`note`	uwagi (np. powód braku audio, znacznik czasu w źródle)

Kopia przygotowana przez prowadzącego 2026-08-15. Konwencja nazwy: {rok}-{tryb}-g{NN}-{domena}-probka.