Datasets:
audio audioduration (s) 2.66 52.2 | case_id stringclasses 100
values | system stringclasses 8
values | source stringclasses 3
values | reference_text stringclasses 100
values | transcript stringlengths 13 512 | cer float64 0 8.35 | wer float64 0 7.31 |
|---|---|---|---|---|---|---|---|
am-001 | addis | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแแข | 0.051282 | 0.125 | |
am-001 | azure-ameha | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแแข | 0 | 0 | |
am-001 | azure-mekdes | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แจแแ แแญแนแแแ แแแแญ แญแแแแณแแข | 0.025641 | 0.125 | |
am-001 | elevenlabs | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแต แ แญแแ
แตแ แฅแ แฐแแ แแ แ แแแญ แฐแ แฐแญแแแฝแ แฑ แฒแต แ แญแตแแญ | 0.923077 | 1.375 | |
am-001 | gemini | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแณแแข | 0.051282 | 0.125 | |
am-001 | human-reference | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแแข | 0 | 0 | |
am-001 | meta-mms | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แจแแน แแญ แแ แแแแญ แญแแแแณแแข | 0.102564 | 0.375 | |
am-001 | openai | fleurs | แแแแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแ | แแ แ แแญ แฃแซแตแแแแ แจแฎแแแต แแแแ แซแแ แแญแนแแแ แแแแญ แญแแแแณแแข | 0.076923 | 0.25 | |
am-002 | addis | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแแซแ แแแแซแ แจแ แฒแฑ แแญแแป แแแข | 0.027027 | 0.181818 | |
am-002 | azure-ameha | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแแข | 0 | 0 | |
am-002 | azure-mekdes | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแแข | 0 | 0 | |
am-002 | elevenlabs | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แฐแญ แฅแแแฒแ
แญแปแแ แตแแแ
แฐแแ แญแ แฎแฌ แแฐแต แแแ แแญแแฒ แฆแแฅ แแณ | 0.945946 | 1.090909 | |
am-002 | gemini | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแแข | 0 | 0 | |
am-002 | human-reference | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแแฅแต แ แญแแแแฃ แญแ
แจแ แแต แแแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแแข | 0 | 0 | |
am-002 | meta-mms | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแแข | 0 | 0 | |
am-002 | openai | fleurs | แญแ
แตแแฅแต แ แญแแแ แญแ
แจแ แแต แแฅแซแ แแแแซ แฅแ แจแ แฒแฑ แแญแแป แแ | แญแ
แตแ แฅแต แ แญแแแ แญแ
แซแแฐ แแซแ แแตแชแซ แฅแ แซแฒแฑ แแญแแป แแแข | 0.27027 | 0.545455 | |
am-003 | addis | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแแข | 0 | 0 | |
am-003 | azure-ameha | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแแข | 0 | 0 | |
am-003 | azure-mekdes | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแแข | 0 | 0 | |
am-003 | elevenlabs | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แแฒ แแ แณแญ แณแญ แฐแฐแต แฅแฐแแต แ แ แณแญ แตแ แฅแแฐแฎแซ แฅแฐแฎแจแต แญแแณ | 0.897436 | 1.2 | |
am-003 | gemini | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแถแญ แ แญแแฅแฏแธแแแข | 0.051282 | 0.1 | |
am-003 | human-reference | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแต แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแแข | 0.025641 | 0.1 | |
am-003 | meta-mms | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแ แฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแตแฏแธแแแข | 0.076923 | 0.2 | |
am-003 | openai | fleurs | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแฅแจแญ แตแแแฝแ แฅแแฐ แณแญแแฐแญ แ แญแแฅแฏแธแแ | แฅแ แฐแแฝ แแฃ แตแแแธแ แฅแ แแ แแญ แตแแแฝแ แ แญแแฅแฏแธแแแข | 0.25641 | 0.3 | |
am-004 | addis | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แญแแ แญแแ แแญ แจแฐแแฐแจแฐ แแแฅ แแแข | 0.05 | 0.166667 | |
am-004 | azure-ameha | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแตแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแแข | 0.025 | 0.083333 | |
am-004 | azure-mekdes | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแแข | 0 | 0 | |
am-004 | elevenlabs | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แฅแแณแ แ แแแ แฅแตแ แแญ แแฅ แฅแจแ แฐแแ แจแแณ แแ แฅแ แฐแแ แแซแ แแแญ แฅแ แแณ | 0.925 | 1.25 | |
am-004 | gemini | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแแ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแแข | 0 | 0.166667 | |
am-004 | human-reference | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แตแญแแต แแญ แ แฅแ
แแต แฅแ แ
แแแ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแแข | 0.05 | 0.333333 | |
am-004 | meta-mms | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแแข | 0 | 0 | |
am-004 | openai | fleurs | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแฅ แแ | แจแช แจแตแ แแญแ แ แณแญแแต แแญ แ แฅแฝแแตแ แ
แแ แ
แแ แแญ แจแฐแแฐแจแฐ แแแต แแแข | 0.05 | 0.083333 | |
am-005 | addis | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแฐแจแต แแแ แญแแญแซแแข | 0.02381 | 0.090909 | |
am-005 | azure-ameha | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแฐแจแต แแแ แญแแญแซแแข | 0 | 0 | |
am-005 | azure-mekdes | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแฐแจแต แแแ แญแแญแซแแข | 0 | 0 | |
am-005 | elevenlabs | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แ แ แ แ แฅ แญ แช แฅ แ แ แ แ
แ แต แ แฅ แฒแ แ แฐ แจ แญแ แฐ แ แ แฑ แฑ แฐแญ | 0.880952 | 2.454545 | |
am-005 | gemini | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแฐแจแต แแแ แญแแญแซแแข | 0 | 0 | |
am-005 | human-reference | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต (แฅแแญแ แ แแซแ) แแฐแจแต แแแ แญแแญแซแแข | 0.190476 | 0.272727 | |
am-005 | meta-mms | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแฐแจแต แแแ แญแแญแซแแข | 0.02381 | 0.090909 | |
am-005 | openai | fleurs | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แคแแแต แ แแซแ แแ แจแต แแแ แญแแญแซแ | แจแฅแ
แ แแแ แแต แ แฌแแซแ แ แฒแตแแต แแญแ แ แญแแแต แ แแซแช แแฐแจแต แแแ แญแแญแซแแข | 0.071429 | 0.181818 | |
am-006 | addis | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแ แ แฃแ
แ แแ | 0.046512 | 0.25 | |
am-006 | azure-ameha | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแ แ แฃแ
แ แแแข | 0 | 0 | |
am-006 | azure-mekdes | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแ แ แฃแ
แ แแแข | 0 | 0 | |
am-006 | elevenlabs | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แฐแ แฐแ แ แจแแต แแ แ แซแซแ แฅแแฐแซแณแต แซแ แแแตแแต แแญแแซแ แแญแต แ แฐแแถ แ แ แณ | 0.930233 | 1.083333 | |
am-006 | gemini | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแ แ แฃแ
แ แแแข | 0.023256 | 0.166667 | |
am-006 | human-reference | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแ แ แฃแ
แ แแแข | 0 | 0 | |
am-006 | meta-mms | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแฐแซ แฃแ
แ แแแข | 0.046512 | 0.083333 | |
am-006 | openai | fleurs | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแแ แจแฐแฅ แจแแแซ แแ แ แฃแแ แแ | แตแแฃแ แฐแฃแฅแจแ แ แแแฉ แฅแ แ แแฐแฉ แฐแ แ
แแฆแฝ แแ
แ แจแฐแฅ แจแแแซ แแฐแ แฃแ
แ แแแข | 0.023256 | 0.083333 | |
am-007 | addis | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.02381 | 0.076923 | |
am-007 | azure-ameha | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.02381 | 0.076923 | |
am-007 | azure-mekdes | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.02381 | 0.076923 | |
am-007 | elevenlabs | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แฅแแณแฅ แตแชแฎแ แฅแ แฅแแฎแซ แจแแ แฎแซ แถแแซ แฅแ แฐ แแแณ แแฐแญแฐแซ | 0.857143 | 1 | |
am-007 | gemini | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.02381 | 0.076923 | |
am-007 | human-reference | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.02381 | 0.076923 | |
am-007 | meta-mms | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แญแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.047619 | 0.153846 | |
am-007 | openai | fleurs | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแฐ แฐแ แแแจแ แฅแป แแ แจแแฝแแ | แ แฒแต แแแญ แฒแแฃ แจแแแ แฐแแณ แแ แฅแแฐแแแ แ แแต แฐแ แแแจแ แฅแป แแ แจแแฝแแแข | 0.047619 | 0.153846 | |
am-008 | addis | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0 | 0 | |
am-008 | azure-ameha | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแขแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0.021277 | 0.083333 | |
am-008 | azure-mekdes | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0 | 0 | |
am-008 | elevenlabs | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แจแแ
แ แแต แ แตแฐแณแฐแฅ แฅแแฒแซแแฃ แ แแ
แจแฅ แฅแญแแ แแญแต แ แญแ แ แแตแฅ แฅแแณแ แฐแฅแจ แแแต แญแแแ. | 1.042553 | 1.083333 | |
am-008 | gemini | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0 | 0 | |
am-008 | human-reference | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แฅแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0.021277 | 0.083333 | |
am-008 | meta-mms | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แจแ แฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แฅแตแญแฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0.085106 | 0.25 | |
am-008 | openai | fleurs | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแ
แฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแ | แซแแฅแแแซ แ แแแ แแฎแฎ แแตแฅ แแแแฅแจแต แ แแแฐแ แฐแจแ แ แตแฐแณแฝ แจแแ แฆแณแแฝ แ แแฑ แแแข | 0.021277 | 0.083333 | |
am-009 | addis | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฑแฃแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแฝแ แ แแณแฐแจแ | 0.042553 | 0.153846 | |
am-009 | azure-ameha | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแฝแแ แ แแณแฐแจแแข | 0.042553 | 0.076923 | |
am-009 | azure-mekdes | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแฝแ แ แแณแฐแจแแข | 0.021277 | 0.076923 | |
am-009 | elevenlabs | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แแฐ แขแแแต แฐแแณแ แถแณแญ แจแแต แแแจแญ แ แซแณแซ แฅแแ แขแ แฅแซแแถแญแถ แฌแญแฐแ แ แญแแญแต แแณแญ แแแซแ | 1.021277 | 1.076923 | |
am-009 | gemini | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแฝแแ แ แแณแฐแจแแข | 0.042553 | 0.076923 | |
am-009 | human-reference | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฑแซแ แ แแฅแฐแ แแแต แณแแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแฝแแ แ แแณแฐแจแแข | 0.106383 | 0.230769 | |
am-009 | meta-mms | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฃแ
แ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแฝแแ แ แแณแฐแจแแข | 0.106383 | 0.230769 | |
am-009 | openai | fleurs | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | แฑแซแ แ แแฅแถ แแแต แ แแ แแแฝ แซแแต แ แแแญ แณแชแฉ แจแฐแแแแ แแญ แตแแ
แฐแแฝแ แ แแณแฐแจแ | 0 | 0 | |
am-010 | addis | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต แ แตแฎ แแแฎ แ
แแต แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แ | 0.4375 | 0.666667 | |
am-010 | azure-ameha | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 แแแต แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แแข | 0.3125 | 0.5 | |
am-010 | azure-mekdes | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 แแแต แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แแข | 0.3125 | 0.5 | |
am-010 | elevenlabs | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แชแตแแ แแญ แแ แ แญแแตแแฉแญ แฐแแ แ แญแแ 1200 แแคแแฒ แขแถแญ แขแแ แญแแก แแตแ แถแ แญ แแญแต แ แญ | 0.833333 | 1.083333 | |
am-010 | gemini | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 12 00 แแคแแฒ แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แแข | 0.333333 | 0.666667 | |
am-010 | human-reference | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 12.00 GMT แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แแข | 0.25 | 0.583333 | |
am-010 | meta-mms | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แแข | 0.395833 | 0.583333 | |
am-010 | openai | fleurs | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต 1200 gmt แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแตแทแ | แฐแฝแจแญแซแชแ แซแฑ แ แฐแแณแณแญ แแ แ แแแต แ แแ แแแแต แแแคแแฒ แ แฐแแ แจแฐแจแฐแฐแ แต แฆแณ แแญ แฐแแต<0xE1><0x8B><0xB7>แแข | 0.5 | 0.666667 | |
am-011 | addis | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแแข | 0 | 0 | |
am-011 | azure-ameha | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแแข | 0 | 0 | |
am-011 | azure-mekdes | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแแข | 0 | 0 | |
am-011 | elevenlabs | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แแ แแแต แ แซแ แ แญแแณแญ แฆแแญ แแญ แแ แซแ แคแ แตแแ แขแณแญแ แ แฅแจแต แฐแ แฌแญแ แคแแต แ แตแณแญ แขแฎ แขแณแ แแณ | 0.958333 | 1.461538 | |
am-011 | gemini | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแแข | 0 | 0 | |
am-011 | human-reference | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแแข | 0 | 0 | |
am-011 | meta-mms | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฅแแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แฅแแ แฅแ แ แซแฑ แ แแต แ แแญ แแแข | 0.083333 | 0.230769 | |
am-011 | openai | fleurs | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | แฑแญ แฅแแตแณแตแ แ แฐแแแจแฐ แแณแแตแซแญ แฅแตแซแแ แซแแต แ แฃแ แตแแ แฅแ แ แซแฑ แ แแต แ แ
แแญ แแ | 0 | 0 | |
am-012 | addis | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแซ แฒแแ แจแปแ แ แแฆ แฃแแ แแ แ แ
แญแงแ แแแ แแซแ แซแแฐแแ แ แฅแฎแต แแ แญ | 0.469388 | 0.538462 | |
am-012 | azure-ameha | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแซแฒแแ แจแฌแ แซแ แ แแ แ แแแแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญแข | 0.367347 | 0.538462 | |
am-012 | azure-mekdes | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแซแฒแแ แจแฌแ แ แแแต แขแแ แขแแแแ แ แ
แญแงแ แแแ แซแ แจแแฐแแแ แ แฅแฎแต แแ แญแข | 0.428571 | 0.615385 | |
am-012 | elevenlabs | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แณแญแญแแแ แ แ 56 แ แ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแแแแ แ แแ แฅแแ... | 8.346939 | 7.307692 | |
am-012 | gemini | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแซ แฒแแ แจแธแแ แฆแ แแแแแ แ แ
แญแงแแข แแแ แซแ แซแแดแแแ แ แฅแฎแต แแ แญแข | 0.387755 | 0.461538 | |
am-012 | human-reference | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแซ แฒแแ แจ แปแแ แฆแ แฆแแแ แ แ
แญแงแแข แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญแข | 0.367347 | 0.307692 | |
am-012 | meta-mms | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแ แซแฒแ แแฝ แ แ แ แ แ แแแ แ แ
แญแ แแ แแแ แฅแซแ แจแ แแต แแแ แ แฅแฎแต แแ แญแข | 0.612245 | 0.846154 | |
am-012 | openai | fleurs | แแซ แฒแแ แจ chhappan bhog bhajan แแ แ แ
แญแงแ แแแ แซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | แแซ แฒแแ แจแปแแ แฆแ แฃแแแ แ แแญแงแ แแแ แฉแซแ แซแแฐแแแ แ แฅแฎแต แแ แญ | 0.428571 | 0.615385 | |
am-013 | addis | fleurs | แ แ แ แแฅ แ แฉแ แฅแ แแชแซ แแแญ แญแฝแแ แแญแแซแฑแ แ
แญแแฑ แณแณ แซแ แแ แแแซแ แแฐ แแญ แแแฃแต แแแ แแ แญ | แ แ แ แแฅ แ แฉแ แฅแ แแญแซ แแแญ แญแฝแแ แแญแแซแฑแ แญแญแแฑ แณแณ แซแ แแ แแแฃแ แแฐ แแญ แแแฃแต แแแ แแ แญ | 0.055556 | 0.176471 | |
am-013 | azure-ameha | fleurs | แ แ แ แแฅ แ แฉแ แฅแ แแชแซ แแแญ แญแฝแแ แแญแแซแฑแ แ
แญแแฑ แณแณ แซแ แแ แแแซแ แแฐ แแญ แแแฃแต แแแ แแ แญ | แ แ แ แแฅ แ แฉแ แฅแ แแญแซ แแแญ แญแฝแแ แแญแแซแฑแ แ
แญแแฑ แณแณ แซแ แแ แแแแ แแฐ แแญ แแแฃแต แแแ แแ แญแข | 0.037037 | 0.117647 | |
am-013 | azure-mekdes | fleurs | แ แ แ แแฅ แ แฉแ แฅแ แแชแซ แแแญ แญแฝแแ แแญแแซแฑแ แ
แญแแฑ แณแณ แซแ แแ แแแซแ แแฐ แแญ แแแฃแต แแแ แแ แญ | แ แ แ แแฅ แ แฉแ แฅแ แแญแซ แแแญ แญแฝแแ แแญแแซแฑแ แ
แญแแฑ แณแณ แซแ แแ แแแซแ แแฐ แแญ แแแฃแต แแแ แแ แญแข | 0.018519 | 0.058824 | |
am-013 | elevenlabs | fleurs | แ แ แ แแฅ แ แฉแ แฅแ แแชแซ แแแญ แญแฝแแ แแญแแซแฑแ แ
แญแแฑ แณแณ แซแ แแ แแแซแ แแฐ แแญ แแแฃแต แแแ แแ แญ | แ แจแแ แตแจแต แแญแแ แฅแแจแฅแฐแ แฐแ แฅแแ แฉแจแ แแฅ แแ แแญ แแญ แจแซแณ แ แญแฎ แแญ แแช แถแ แฐแ แฒแซแต แตแญแ | 0.962963 | 1.117647 |
Amharic TTS Benchmark
Seven text-to-speech systems and the original human recordings, evaluated on 100 Amharic prompts from three open datasets. Run date 2026-08-12.
Published results: addisassistant.com/benchmarks
Reproduce the CER/WER results
python score.py
No arguments. It reads data/judge_rows.jsonl, recomputes every character and
word edit count from the transcripts and writes data/summary.json.
This covers the CER/WER results only. Listening scores, latency and cost are published on the results page and are not derivable from ASR transcripts.
| System | CER | WER |
|---|---|---|
| Gemini 3.1 Flash TTS | 2.89% | 11.02% |
| Azure Ameha Neural | 3.03% | 11.16% |
| Azure Mekdes Neural | 4.15% | 13.01% |
| Addis Voice 2 | 4.44% | 13.87% |
| Meta MMS | 7.86% | 22.89% |
| OpenAI gpt-4o-mini-tts | 18.74% | 31.34% |
| ElevenLabs v3 | 111.65% | 147.86% |
Primary table, 87 of 100 prompts, digits excluded. Lower is better.
The original human recordings are included in data/ and audio/ as a
reference point but are not a synthetic system and are not ranked here.
Contents
| Path | Rows | Contents |
|---|---|---|
data/prompts.jsonl |
100 | Prompt id, source dataset, pinned revision, split, licence, upstream row id, reference text, length stratum |
data/judge_rows.jsonl |
800 | Per system per prompt: transcript raw and normalised, character and word edit counts, CER, WER, judge confidence |
data/summary.json |
โ | Written by score.py |
audio/<system>/am-NNN.* |
100 each | Generated audio, plus the original human recordings. Every judge row carries audio_path and audio_sha256, so rows join to files without guessing the extension |
score.py, normalize.py |
โ | The scorer |
Prompt set
Public test-split rows pinned to exact dataset revisions, drawn once with seed
addis-voice-public-benchmark-v1, balanced 33 short / 34 medium / 33 long.
| Source | Repository | Rows | Licence |
|---|---|---|---|
| FLEURS | google/fleurs |
34 | CC BY 4.0 |
| Waxal | google/WaxalNLP |
33 | CC BY-SA 4.0 |
| Horn-ASR | LesanAI/Horn-ASR |
33 | CC BY-SA 4.0 |
Every shipped file is hashed in checksums.sha256, including all 800 audio
clips. Each row of data/judge_rows.jsonl also carries audio_path and
audio_sha256, so a transcript can be tied to the exact file that produced it
without guessing.
Scoring definition
WER and CER were measured with Chirp 3 as the ASR judge, so the scores are a recognition-based proxy for intelligibility rather than a direct measure of it.
All audio is converted to 16 kHz mono PCM WAV before scoring. Then:
- Unicode NFC normalisation
- punctuation stripped, Ethiopic and ASCII
- Ethiopic homophone families folded to one canonical form, see
normalize.py - whitespace collapsed
- CER is Levenshtein distance over the normalised text with spaces removed
- WER is Levenshtein distance over whitespace-split tokens
- rates are micro-averages of raw edit counts, not means of per-clip rates
Step 5 is the one that catches people out. Scoring CER with spaces included gives roughly double the error rate.
Prompts containing digits are excluded from the primary table, because a written
digit and its spoken form are not the same string and no equivalence rule has
been validated. The strict full-set figures over all 100 prompts are in
data/summary.json.
Running it with a different recogniser
The pipeline is recogniser-agnostic and an independent judge is the most useful thing an outside party can contribute. Two open Amharic ASR models:
Transcribe audio/<system>/, replace hypothesis_raw in data/judge_rows.jsonl,
rerun score.py and compare the ordering.
Addis Voice 2 is reachable on the public API as model addis-voice-2.
Limitations
- Recognition error is a proxy for intelligibility. It says nothing about prosody, emphasis or how a long passage sounds.
- Systems without documented Amharic support were run anyway and their rows describe an unsupported-language condition, not their quality elsewhere.
- Word error above 100% is possible when a system inserts more words than the reference contains.
- Human reference recordings are field audio with variable level and microphone quality, and two thirds of them are spontaneous rather than read speech. They are a reference point, not a quality ceiling.
- One run on one date. Hosted models change under their version strings.
Licensing
This repository contains material under several different licences. There is no single licence covering all of it, and Addis AI does not relicense any content it does not own.
| Component | Owner | Terms |
|---|---|---|
data/*.jsonl, data/summary.json, score.py, normalize.py, this card |
Addis AI | CC BY-SA 4.0 |
audio/human-reference/ FLEURS-sourced clips |
Google, FLEURS | CC BY 4.0, attribution required |
audio/human-reference/ Waxal-sourced clips |
Google, WaxalNLP | CC BY-SA 4.0 |
audio/human-reference/ Horn-ASR-sourced clips |
LesanAI | CC BY-SA 4.0 |
audio/addis/ |
Addis AI | CC BY-SA 4.0 |
audio/meta-mms/ |
generated with facebook/mms-tts-amh, open weights |
per the model licence |
audio/azure-ameha/, audio/azure-mekdes/, audio/gemini/, audio/openai/, audio/elevenlabs/ |
generated output of third-party commercial services | governed by each provider's terms of service; not relicensed by Addis AI |
The per-clip source dataset and its licence are recorded for every prompt in
data/prompts.jsonl, so the terms applying to any individual human recording
can be resolved from that file.
Third-party generated audio is included as evaluation evidence so the published error rates can be independently verified. It is not offered for reuse, and anyone redistributing it is responsible for their own compliance with the relevant provider's terms.
Contact
contact@addisassistant.com
- Downloads last month
- 16