Turkish ASR Leaderboard

Turkish ASR Leaderboard

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

由 EmreAkgul 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 在 Google 的 FLEURS 数据集的土耳其语测试部分上，对比土耳其语语音转文字模型。它把基准测试结果和计时结果放在一起，方便你在选模型之前做比较。Emre Akgul 负责维护，数据来自他另外的评测项目。

适合谁：如果你要为土耳其语音频挑选语音识别模型，或者想了解这类模型之间的差异，这里适合你。为土耳其语用户开发语音功能的开发者，可以把计时结果和基准测试结果放在一起看。

行业 | 谁在用 | 怎么用 | 例子
研究 | ASR 研究人员 | 对比各个土耳其语模型的基准测试结果 | 看看较新的模型和已列出的模型相比处在什么位置
软件 | 添加语音输入的开发者 | 把计时结果和基准测试结果放在一起看 | 选出符合应用速度需求的模型
媒体 | 转写土耳其语音频的团队 | 先选出几个模型，再用自己的录音试 | 正式试用之前先缩小一长串候选
教育 | 语音技术方向的学生 | 研究各个土耳其语模型有什么不同 | 把公开的对比当作一个实例来学习

如果你处理的不是土耳其语，这里的结果对你帮助不大。

用在哪里：排行榜可以在这些地方使用。

• 网页浏览器：打开 Hugging Face 上的 Space 页面，无需安装任何东西。
• 装有 Python 的 Windows、macOS 或 Linux：在你自己的电脑上运行一份副本。
• 本地浏览器标签页：应用启动时会打印一个本地地址，你在浏览器里打开它即可。

使用场景 | 谁 | 得到什么
对比模型 | 研究人员 | 土耳其语语音转文字模型在同一套测试集上的基准测试结果
检查速度 | 开发者 | 同一批模型的计时结果
研究或改造代码 | 为其他语言做排行榜的人 | 一个 Gradio 应用和 CSV 文件，可以在 Apache 许可下阅读和修改

如何设置：你需要先准备好这些。

• Python，项目自己的说明在本地运行时使用 3.10 版本
• pip，用来安装软件包
• Windows、macOS 或 Linux 上的终端

下面是 Hugging Face 给出的本地副本步骤。

1. 用 pip 安装 Hugging Face hub 软件包。
2. 把 Space 的文件下载到名为 Turkish-ASR-Leaderboard 的文件夹。
3. 进入这个文件夹。
4. 安装 Gradio 6.28.0，再安装 requirements.txt 里列出的软件包。
5. 启动应用。

pip install -U huggingface_hub
hf download EmreAkgul/Turkish-ASR-Leaderboard --repo-type space --local-dir Turkish-ASR-Leaderboard
cd Turkish-ASR-Leaderboard
pip install gradio==6.28.0
pip install -r requirements.txt
python app.py

项目自己的说明还给出另一条路线，用虚拟环境和 make。

python3.10 -m venv .venv
source .venv/bin/activate
make install
make run

如何使用：打开 Space 页面，或者用下面的命令启动本地副本，再打开 Gradio 在终端里打印的本地地址。页面会显示它所涵盖的土耳其语模型的基准测试结果和计时结果。

python app.py

工具 | 作用
python app.py | 从你下载的副本启动 Gradio 应用
make run | 在 make install 之后启动应用，走项目自己的路线

示例：你要选一个模型给土耳其语视频加字幕。你打开排行榜，查看列出的各个模型的基准测试结果，再看它们的计时结果。最后你得到一份短名单，值得用自己的录音去试。

新手与专家：语音转文字模型会把说出的话变成文字，排行榜则让你在同一批录音上比较好几个模型。先在浏览器里打开 Space 页面，看基准测试结果，再看计时结果，了解各模型的差别。

仓库把数据放在 benchmark.csv、models.csv、samples.csv 和 timing.csv 里，和 app.py 放在一起，更多代码在 src/ 下。requirements.txt 文件让 Gradio 版本和 Hugging Face 提供的运行环境保持一致。所有分数都来自同一套测试集，所以不一定适用于你自己的音频。代码改编自 ivrit-ai 的希伯来语转写排行榜。

在 FLEURS 土耳其语测试数据上评测模型
基准测试和计时结果保存在 CSV 文件里
app.py 生成 Gradio 页面
你在浏览器里阅读排行榜

注意事项：下面几点值得先看一眼。

• Python: 项目自己的说明在本地运行时使用 Python 3.10。
• License: apache-2，和 Space 的页面信息一致。说明里提到代码改编自一个 Apache 2.0 项目。
• Cost to run: 没有提到。来源里没有列出 API 密钥、账号或付费服务。
• Data it reaches: 下载副本会把 Space 的文件从 Hugging Face 拉到你选的文件夹。来源没有提到其他账号或服务。
• Not for: 其他语言，因为结果只涵盖土耳其语模型。

Hugging Face 上的数据（2026年11月13日）

• 点赞：10
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/EmreAkgul/Turkish-ASR-Leaderboard
• 文件：https://huggingface.co/spaces/EmreAkgul/Turkish-ASR-Leaderboard/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。