Update app.py
Browse files
app.py
CHANGED
|
@@ -190,7 +190,7 @@ with st.sidebar:
|
|
| 190 |
PLCMOS_c.write("Использованы две версии данной метрики (v1, v2). v1 - это первая версия, разработанная для INTERSPEECH 2022 Audio Deep Packet Loss Concealment Challenge. v2 - улучшенная версия метрики, вышедшая в 2023 году. Особенность - неэталонная метрика, которая выдаёт оценку, опираясь только на аудио с потерями без использования информации о исходном (оригинальном). Поставляется как часть пакета speechmos.")
|
| 191 |
st.subheader("WAcc", help = 'https://docs.speechmatics.com/tutorials/accuracy-benchmarking')
|
| 192 |
WAcc_c=st.container()
|
| 193 |
-
|
| 194 |
|
| 195 |
if st.button('Сгенерировать потери'):
|
| 196 |
with st.spinner('Ожидайте...'):
|
|
|
|
| 190 |
PLCMOS_c.write("Использованы две версии данной метрики (v1, v2). v1 - это первая версия, разработанная для INTERSPEECH 2022 Audio Deep Packet Loss Concealment Challenge. v2 - улучшенная версия метрики, вышедшая в 2023 году. Особенность - неэталонная метрика, которая выдаёт оценку, опираясь только на аудио с потерями без использования информации о исходном (оригинальном). Поставляется как часть пакета speechmos.")
|
| 191 |
st.subheader("WAcc", help = 'https://docs.speechmatics.com/tutorials/accuracy-benchmarking')
|
| 192 |
WAcc_c=st.container()
|
| 193 |
+
WAcc_c.write('Первоначально использовалась метрика WER (Word Error Rate). Она выражает долю ошибочно распознанных слов. Я считаю, что для восприятия будет проще обратная ей - WAcc (Word Accuracy), то есть доля слов, которые распознаны верно. Для распознавания используется пакет jiwer')
|
| 194 |
|
| 195 |
if st.button('Сгенерировать потери'):
|
| 196 |
with st.spinner('Ожидайте...'):
|