From 9e26f8a074e8193817fd59e0150dd646b831b8ab Mon Sep 17 00:00:00 2001 From: Bonham79 Date: Mon, 20 May 2024 00:57:43 -0400 Subject: [PATCH 1/2] final abjad language Signed-off-by: Bonham79 --- data/eval/task_1/abjad/abjad_test.tsv | 200 ++++++++++++++++++++++++++ data/eval/task_1/abjad/ajp_test.tsv | 200 ++++++++++++++++++++++++++ data/eval/task_2/abjad/abjad_test.tsv | 200 ++++++++++++++++++++++++++ data/eval/task_2/abjad/ajp_test.tsv | 200 ++++++++++++++++++++++++++ 4 files changed, 800 insertions(+) create mode 100644 data/eval/task_1/abjad/ajp_test.tsv create mode 100644 data/eval/task_2/abjad/ajp_test.tsv diff --git a/data/eval/task_1/abjad/abjad_test.tsv b/data/eval/task_1/abjad/abjad_test.tsv index 22e69a8..801ae9f 100644 --- a/data/eval/task_1/abjad/abjad_test.tsv +++ b/data/eval/task_1/abjad/abjad_test.tsv @@ -1,3 +1,203 @@ +توفى t w a f f a +غنم ɣ a n a m +صار sˤ aː r +دهن d a h a n +مرا m a r a +باحث b aː ħ e s +بيض b eː dˤ +فترة f a t r a +كفكف k a f k a f +تحمس t ħ a m m a s +نظف n a dˤ dˤ a f +لبس l a b a s +استقال i s t a q aː l +خصوصا x u sˤ uː sˤ a n +عدسة ʕ a d a s a +صابونة sˤ aː b uː n e +استشار i s t a ʃ aː r +قمل ɡ a m l +أخضر ʔ a x dˤ a r +كوربا k oː r b a +بشتغل b i ʃ t ɣ i l +تحت t a ħ t +طلع tˤ a l l a ʕ +رمى r a m a +كبس k a b a s +تقريبا t a ʔ r iː b a n +تنعش t n a ʃ +شبه ʃ a b a h +وحدة w a ħ d a +تخت t a x t +سريع s a r iː ʕ +مكوى m a k w a +عاند ʕ aː n a d +تغسل t ɣ a s s a l +حمي ħ i m i +اختصر i x t a sˤ a r +كئيب k a ʔ iː b +كب k a b b +مريح m r a j j i ħ +تمن t a m a n +تلاتة t a l aː t e +نمر n i m r +أغرى ʔ a ɣ r a +حق ħ a ʔ ʔ +قوي ɡ a w i +ضايق dˤ aː j a ʔ +زنجبيل z a n ʒ a b iː l +شخصية ʃ a x sˤ i j j a +بنك b a n k +جاهد ʒ aː h a d +قشطة ɡ i ʃ tˤ a +غمس ɣ a m m a s +زحمة z a ħ m a +داق d aː ʔ +أكم ʔ a k a m m +أصبع ʔ u sˤ b a ʕ +أعمى ʔ a ʕ m a +كره k i r i h +باخرة b aː x i r a +ريالة r j aː l a +فرن f u r n +أقلية ʔ a q a l l i j j a +تبرع t b a r r a ʕ +زفت z a f f a t +ناصح n aː sˤ i ħ +درج d a r a ʒ +صليب sˤ a l iː b +بنات b a n aː t +فحم f a ħ m +دفاية d a f f aː j +انضباط i n dˤ i b aː tˤ +حمص ħ a m m a sˤ +بقرة b a ʔ a r a +حفيدة ħ a f iː d a +وقت w a ɡ t +زبدية z i b d i j j a +أعجب ʔ a ʕ ʒ a b +وجع w a ʒ a ʕ +قح ʔ a ħ ħ +عصبي ʕ a sˤ a b i +صيف sˤ eː f +غلي ɣ i l i +بنطلون b a n tˤ a l oː n +القدس i l ʔ u d s +بيبي b eː b i +رز r u z +فطن f i tˤ i n +بخبخ b a x b a x +بلتقي b i l t ʔ i +كيس k iː s +فرحان f a r ħ aː n +لطيف l a tˤ iː f +روح r a w w a ħ +فلفل f i l f i l +ألهى ʔ a l h a +الشام ʃ ʃ aː m +راحة r aː ħ a +قلد ɡ a l l a d +حب ħ a b b +تدخل t d a x x a l +وجبة w a ʒ b a +أغلبية ʔ a ɣ l a b i j j a +فستق f u s t o ʔ +الخليل i l x a l iː l +مشغول m a ʃ ɣ uː l +وعد w a ʕ a d +فرنساوي f r a n s aː w i +محل m a ħ a l l +جزيرة ʒ a z iː r a +دور d a w w a r +بوليس b uː l iː s +تحارب t ħ aː r a b +غيمة ɣ eː m a +نص n u sˤ sˤ +جاع ʒ aː ʕ +جوال ʒ a w w aː l +أمل ʔ a m a l +عرق ʕ i r i ʔ +ملى m a l l a +نحيف n ħ iː f +اختار i x t aː r +هاجر h aː ʒ a r +خرافة x u r aː f a +موضوع m a w dˤ uː ʕ +بذر b i z r +شغيل ʃ a ɣ ɣ iː l +سير s eː r +اعتزل i ʕ t a z a l +نازل n aː z i l +بلف b a l a f +جهد ʒ u h d +بحتفل b i ħ t f i l +جعلك ʒ a ʕ l a k +صدر sˤ a d a r +سدس s u d s +كيلومتر k iː l o m i t r +لحمة l a ħ m a +ربح r i b i ħ +شبع ʃ i b i ʕ +رقيق r ʔ iː ʔ +خمس x a m s +تصالح t sˤ aː l a ħ +نقل n a ɡ a l +بعبش b a ʕ b a ʃ +جدول ʒ a d w a l +مات m aː t +بوط b oː tˤ +قلب ɡ a l a b +فوضى f a w dˤ a +قهوة ʔ a h w a +مكورن m k oː r i n +تنتين t i n t eː n +قرا ɡ a r a +زتون z a t uː n +عمتو ʕ a m m t o +ميدان m iː d aː n +زعتر z a ʕ t a r +انصلب n sˤ a l a b +أخفى ʔ a x f a +طير tˤ iː r +مكتبة m a k t a b a +مفصل m a f sˤ a l +قطعة q i tˤ ʕ a +بطن b a tˤ n +مدفع m a d f a ʕ +تقدم t ɡ a d d a m +رتب r a t t a b +ماضي m aː dˤ i +تحدث t ħ a d d a s +خس x a s s +شجع ʃ a ʒ ʒ a ʕ +رحلة r i ħ l a +يعني j a ʕ n i +أدن ʔ a d d a n +فضى f a dˤ dˤ a +رقص r a ɡ a sˤ +أهلا ʔ a h l a +ضمن dˤ a m a n +تبدل t b a d d a l +سوا s a w a +سباتي s b aː t i +راتب r aː t e b +حامي ħ aː m i +دار d aː r +شاب ʃ a b +كاش k aː ʃ +شيكل ʃ eː k i l +كوع k a w w a ʕ +موز m oː z +قلم ɡ a l a m +قفل ʔ a f f a l +كلية k i l j e +لفت l a f a t +شفي ʃ i f i +أصنصير ʔ a sˤ a n sˤ eː r +نرويج n a r w iː ʒ +بدوي b a d a w i +ببتسم b i b t s i m +بد b i d d +تأخر t ʔ a x x a r اشتاق i ʃ t aː q a صحصح sˤ a ħ sˤ a ħ أنموذج ʔ u n m uː ð a d͡ʒ diff --git a/data/eval/task_1/abjad/ajp_test.tsv b/data/eval/task_1/abjad/ajp_test.tsv new file mode 100644 index 0000000..e85e311 --- /dev/null +++ b/data/eval/task_1/abjad/ajp_test.tsv @@ -0,0 +1,200 @@ +توفى t w a f f a +غنم ɣ a n a m +صار sˤ aː r +دهن d a h a n +مرا m a r a +باحث b aː ħ e s +بيض b eː dˤ +فترة f a t r a +كفكف k a f k a f +تحمس t ħ a m m a s +نظف n a dˤ dˤ a f +لبس l a b a s +استقال i s t a q aː l +خصوصا x u sˤ uː sˤ a n +عدسة ʕ a d a s a +صابونة sˤ aː b uː n e +استشار i s t a ʃ aː r +قمل ɡ a m l +أخضر ʔ a x dˤ a r +كوربا k oː r b a +بشتغل b i ʃ t ɣ i l +تحت t a ħ t +طلع tˤ a l l a ʕ +رمى r a m a +كبس k a b a s +تقريبا t a ʔ r iː b a n +تنعش t n a ʃ +شبه ʃ a b a h +وحدة w a ħ d a +تخت t a x t +سريع s a r iː ʕ +مكوى m a k w a +عاند ʕ aː n a d +تغسل t ɣ a s s a l +حمي ħ i m i +اختصر i x t a sˤ a r +كئيب k a ʔ iː b +كب k a b b +مريح m r a j j i ħ +تمن t a m a n +تلاتة t a l aː t e +نمر n i m r +أغرى ʔ a ɣ r a +حق ħ a ʔ ʔ +قوي ɡ a w i +ضايق dˤ aː j a ʔ +زنجبيل z a n ʒ a b iː l +شخصية ʃ a x sˤ i j j a +بنك b a n k +جاهد ʒ aː h a d +قشطة ɡ i ʃ tˤ a +غمس ɣ a m m a s +زحمة z a ħ m a +داق d aː ʔ +أكم ʔ a k a m m +أصبع ʔ u sˤ b a ʕ +أعمى ʔ a ʕ m a +كره k i r i h +باخرة b aː x i r a +ريالة r j aː l a +فرن f u r n +أقلية ʔ a q a l l i j j a +تبرع t b a r r a ʕ +زفت z a f f a t +ناصح n aː sˤ i ħ +درج d a r a ʒ +صليب sˤ a l iː b +بنات b a n aː t +فحم f a ħ m +دفاية d a f f aː j +انضباط i n dˤ i b aː tˤ +حمص ħ a m m a sˤ +بقرة b a ʔ a r a +حفيدة ħ a f iː d a +وقت w a ɡ t +زبدية z i b d i j j a +أعجب ʔ a ʕ ʒ a b +وجع w a ʒ a ʕ +قح ʔ a ħ ħ +عصبي ʕ a sˤ a b i +صيف sˤ eː f +غلي ɣ i l i +بنطلون b a n tˤ a l oː n +القدس i l ʔ u d s +بيبي b eː b i +رز r u z +فطن f i tˤ i n +بخبخ b a x b a x +بلتقي b i l t ʔ i +كيس k iː s +فرحان f a r ħ aː n +لطيف l a tˤ iː f +روح r a w w a ħ +فلفل f i l f i l +ألهى ʔ a l h a +الشام ʃ ʃ aː m +راحة r aː ħ a +قلد ɡ a l l a d +حب ħ a b b +تدخل t d a x x a l +وجبة w a ʒ b a +أغلبية ʔ a ɣ l a b i j j a +فستق f u s t o ʔ +الخليل i l x a l iː l +مشغول m a ʃ ɣ uː l +وعد w a ʕ a d +فرنساوي f r a n s aː w i +محل m a ħ a l l +جزيرة ʒ a z iː r a +دور d a w w a r +بوليس b uː l iː s +تحارب t ħ aː r a b +غيمة ɣ eː m a +نص n u sˤ sˤ +جاع ʒ aː ʕ +جوال ʒ a w w aː l +أمل ʔ a m a l +عرق ʕ i r i ʔ +ملى m a l l a +نحيف n ħ iː f +اختار i x t aː r +هاجر h aː ʒ a r +خرافة x u r aː f a +موضوع m a w dˤ uː ʕ +بذر b i z r +شغيل ʃ a ɣ ɣ iː l +سير s eː r +اعتزل i ʕ t a z a l +نازل n aː z i l +بلف b a l a f +جهد ʒ u h d +بحتفل b i ħ t f i l +جعلك ʒ a ʕ l a k +صدر sˤ a d a r +سدس s u d s +كيلومتر k iː l o m i t r +لحمة l a ħ m a +ربح r i b i ħ +شبع ʃ i b i ʕ +رقيق r ʔ iː ʔ +خمس x a m s +تصالح t sˤ aː l a ħ +نقل n a ɡ a l +بعبش b a ʕ b a ʃ +جدول ʒ a d w a l +مات m aː t +بوط b oː tˤ +قلب ɡ a l a b +فوضى f a w dˤ a +قهوة ʔ a h w a +مكورن m k oː r i n +تنتين t i n t eː n +قرا ɡ a r a +زتون z a t uː n +عمتو ʕ a m m t o +ميدان m iː d aː n +زعتر z a ʕ t a r +انصلب n sˤ a l a b +أخفى ʔ a x f a +طير tˤ iː r +مكتبة m a k t a b a +مفصل m a f sˤ a l +قطعة q i tˤ ʕ a +بطن b a tˤ n +مدفع m a d f a ʕ +تقدم t ɡ a d d a m +رتب r a t t a b +ماضي m aː dˤ i +تحدث t ħ a d d a s +خس x a s s +شجع ʃ a ʒ ʒ a ʕ +رحلة r i ħ l a +يعني j a ʕ n i +أدن ʔ a d d a n +فضى f a dˤ dˤ a +رقص r a ɡ a sˤ +أهلا ʔ a h l a +ضمن dˤ a m a n +تبدل t b a d d a l +سوا s a w a +سباتي s b aː t i +راتب r aː t e b +حامي ħ aː m i +دار d aː r +شاب ʃ a b +كاش k aː ʃ +شيكل ʃ eː k i l +كوع k a w w a ʕ +موز m oː z +قلم ɡ a l a m +قفل ʔ a f f a l +كلية k i l j e +لفت l a f a t +شفي ʃ i f i +أصنصير ʔ a sˤ a n sˤ eː r +نرويج n a r w iː ʒ +بدوي b a d a w i +ببتسم b i b t s i m +بد b i d d +تأخر t ʔ a x x a r diff --git a/data/eval/task_2/abjad/abjad_test.tsv b/data/eval/task_2/abjad/abjad_test.tsv index 22e69a8..801ae9f 100644 --- a/data/eval/task_2/abjad/abjad_test.tsv +++ b/data/eval/task_2/abjad/abjad_test.tsv @@ -1,3 +1,203 @@ +توفى t w a f f a +غنم ɣ a n a m +صار sˤ aː r +دهن d a h a n +مرا m a r a +باحث b aː ħ e s +بيض b eː dˤ +فترة f a t r a +كفكف k a f k a f +تحمس t ħ a m m a s +نظف n a dˤ dˤ a f +لبس l a b a s +استقال i s t a q aː l +خصوصا x u sˤ uː sˤ a n +عدسة ʕ a d a s a +صابونة sˤ aː b uː n e +استشار i s t a ʃ aː r +قمل ɡ a m l +أخضر ʔ a x dˤ a r +كوربا k oː r b a +بشتغل b i ʃ t ɣ i l +تحت t a ħ t +طلع tˤ a l l a ʕ +رمى r a m a +كبس k a b a s +تقريبا t a ʔ r iː b a n +تنعش t n a ʃ +شبه ʃ a b a h +وحدة w a ħ d a +تخت t a x t +سريع s a r iː ʕ +مكوى m a k w a +عاند ʕ aː n a d +تغسل t ɣ a s s a l +حمي ħ i m i +اختصر i x t a sˤ a r +كئيب k a ʔ iː b +كب k a b b +مريح m r a j j i ħ +تمن t a m a n +تلاتة t a l aː t e +نمر n i m r +أغرى ʔ a ɣ r a +حق ħ a ʔ ʔ +قوي ɡ a w i +ضايق dˤ aː j a ʔ +زنجبيل z a n ʒ a b iː l +شخصية ʃ a x sˤ i j j a +بنك b a n k +جاهد ʒ aː h a d +قشطة ɡ i ʃ tˤ a +غمس ɣ a m m a s +زحمة z a ħ m a +داق d aː ʔ +أكم ʔ a k a m m +أصبع ʔ u sˤ b a ʕ +أعمى ʔ a ʕ m a +كره k i r i h +باخرة b aː x i r a +ريالة r j aː l a +فرن f u r n +أقلية ʔ a q a l l i j j a +تبرع t b a r r a ʕ +زفت z a f f a t +ناصح n aː sˤ i ħ +درج d a r a ʒ +صليب sˤ a l iː b +بنات b a n aː t +فحم f a ħ m +دفاية d a f f aː j +انضباط i n dˤ i b aː tˤ +حمص ħ a m m a sˤ +بقرة b a ʔ a r a +حفيدة ħ a f iː d a +وقت w a ɡ t +زبدية z i b d i j j a +أعجب ʔ a ʕ ʒ a b +وجع w a ʒ a ʕ +قح ʔ a ħ ħ +عصبي ʕ a sˤ a b i +صيف sˤ eː f +غلي ɣ i l i +بنطلون b a n tˤ a l oː n +القدس i l ʔ u d s +بيبي b eː b i +رز r u z +فطن f i tˤ i n +بخبخ b a x b a x +بلتقي b i l t ʔ i +كيس k iː s +فرحان f a r ħ aː n +لطيف l a tˤ iː f +روح r a w w a ħ +فلفل f i l f i l +ألهى ʔ a l h a +الشام ʃ ʃ aː m +راحة r aː ħ a +قلد ɡ a l l a d +حب ħ a b b +تدخل t d a x x a l +وجبة w a ʒ b a +أغلبية ʔ a ɣ l a b i j j a +فستق f u s t o ʔ +الخليل i l x a l iː l +مشغول m a ʃ ɣ uː l +وعد w a ʕ a d +فرنساوي f r a n s aː w i +محل m a ħ a l l +جزيرة ʒ a z iː r a +دور d a w w a r +بوليس b uː l iː s +تحارب t ħ aː r a b +غيمة ɣ eː m a +نص n u sˤ sˤ +جاع ʒ aː ʕ +جوال ʒ a w w aː l +أمل ʔ a m a l +عرق ʕ i r i ʔ +ملى m a l l a +نحيف n ħ iː f +اختار i x t aː r +هاجر h aː ʒ a r +خرافة x u r aː f a +موضوع m a w dˤ uː ʕ +بذر b i z r +شغيل ʃ a ɣ ɣ iː l +سير s eː r +اعتزل i ʕ t a z a l +نازل n aː z i l +بلف b a l a f +جهد ʒ u h d +بحتفل b i ħ t f i l +جعلك ʒ a ʕ l a k +صدر sˤ a d a r +سدس s u d s +كيلومتر k iː l o m i t r +لحمة l a ħ m a +ربح r i b i ħ +شبع ʃ i b i ʕ +رقيق r ʔ iː ʔ +خمس x a m s +تصالح t sˤ aː l a ħ +نقل n a ɡ a l +بعبش b a ʕ b a ʃ +جدول ʒ a d w a l +مات m aː t +بوط b oː tˤ +قلب ɡ a l a b +فوضى f a w dˤ a +قهوة ʔ a h w a +مكورن m k oː r i n +تنتين t i n t eː n +قرا ɡ a r a +زتون z a t uː n +عمتو ʕ a m m t o +ميدان m iː d aː n +زعتر z a ʕ t a r +انصلب n sˤ a l a b +أخفى ʔ a x f a +طير tˤ iː r +مكتبة m a k t a b a +مفصل m a f sˤ a l +قطعة q i tˤ ʕ a +بطن b a tˤ n +مدفع m a d f a ʕ +تقدم t ɡ a d d a m +رتب r a t t a b +ماضي m aː dˤ i +تحدث t ħ a d d a s +خس x a s s +شجع ʃ a ʒ ʒ a ʕ +رحلة r i ħ l a +يعني j a ʕ n i +أدن ʔ a d d a n +فضى f a dˤ dˤ a +رقص r a ɡ a sˤ +أهلا ʔ a h l a +ضمن dˤ a m a n +تبدل t b a d d a l +سوا s a w a +سباتي s b aː t i +راتب r aː t e b +حامي ħ aː m i +دار d aː r +شاب ʃ a b +كاش k aː ʃ +شيكل ʃ eː k i l +كوع k a w w a ʕ +موز m oː z +قلم ɡ a l a m +قفل ʔ a f f a l +كلية k i l j e +لفت l a f a t +شفي ʃ i f i +أصنصير ʔ a sˤ a n sˤ eː r +نرويج n a r w iː ʒ +بدوي b a d a w i +ببتسم b i b t s i m +بد b i d d +تأخر t ʔ a x x a r اشتاق i ʃ t aː q a صحصح sˤ a ħ sˤ a ħ أنموذج ʔ u n m uː ð a d͡ʒ diff --git a/data/eval/task_2/abjad/ajp_test.tsv b/data/eval/task_2/abjad/ajp_test.tsv new file mode 100644 index 0000000..e85e311 --- /dev/null +++ b/data/eval/task_2/abjad/ajp_test.tsv @@ -0,0 +1,200 @@ +توفى t w a f f a +غنم ɣ a n a m +صار sˤ aː r +دهن d a h a n +مرا m a r a +باحث b aː ħ e s +بيض b eː dˤ +فترة f a t r a +كفكف k a f k a f +تحمس t ħ a m m a s +نظف n a dˤ dˤ a f +لبس l a b a s +استقال i s t a q aː l +خصوصا x u sˤ uː sˤ a n +عدسة ʕ a d a s a +صابونة sˤ aː b uː n e +استشار i s t a ʃ aː r +قمل ɡ a m l +أخضر ʔ a x dˤ a r +كوربا k oː r b a +بشتغل b i ʃ t ɣ i l +تحت t a ħ t +طلع tˤ a l l a ʕ +رمى r a m a +كبس k a b a s +تقريبا t a ʔ r iː b a n +تنعش t n a ʃ +شبه ʃ a b a h +وحدة w a ħ d a +تخت t a x t +سريع s a r iː ʕ +مكوى m a k w a +عاند ʕ aː n a d +تغسل t ɣ a s s a l +حمي ħ i m i +اختصر i x t a sˤ a r +كئيب k a ʔ iː b +كب k a b b +مريح m r a j j i ħ +تمن t a m a n +تلاتة t a l aː t e +نمر n i m r +أغرى ʔ a ɣ r a +حق ħ a ʔ ʔ +قوي ɡ a w i +ضايق dˤ aː j a ʔ +زنجبيل z a n ʒ a b iː l +شخصية ʃ a x sˤ i j j a +بنك b a n k +جاهد ʒ aː h a d +قشطة ɡ i ʃ tˤ a +غمس ɣ a m m a s +زحمة z a ħ m a +داق d aː ʔ +أكم ʔ a k a m m +أصبع ʔ u sˤ b a ʕ +أعمى ʔ a ʕ m a +كره k i r i h +باخرة b aː x i r a +ريالة r j aː l a +فرن f u r n +أقلية ʔ a q a l l i j j a +تبرع t b a r r a ʕ +زفت z a f f a t +ناصح n aː sˤ i ħ +درج d a r a ʒ +صليب sˤ a l iː b +بنات b a n aː t +فحم f a ħ m +دفاية d a f f aː j +انضباط i n dˤ i b aː tˤ +حمص ħ a m m a sˤ +بقرة b a ʔ a r a +حفيدة ħ a f iː d a +وقت w a ɡ t +زبدية z i b d i j j a +أعجب ʔ a ʕ ʒ a b +وجع w a ʒ a ʕ +قح ʔ a ħ ħ +عصبي ʕ a sˤ a b i +صيف sˤ eː f +غلي ɣ i l i +بنطلون b a n tˤ a l oː n +القدس i l ʔ u d s +بيبي b eː b i +رز r u z +فطن f i tˤ i n +بخبخ b a x b a x +بلتقي b i l t ʔ i +كيس k iː s +فرحان f a r ħ aː n +لطيف l a tˤ iː f +روح r a w w a ħ +فلفل f i l f i l +ألهى ʔ a l h a +الشام ʃ ʃ aː m +راحة r aː ħ a +قلد ɡ a l l a d +حب ħ a b b +تدخل t d a x x a l +وجبة w a ʒ b a +أغلبية ʔ a ɣ l a b i j j a +فستق f u s t o ʔ +الخليل i l x a l iː l +مشغول m a ʃ ɣ uː l +وعد w a ʕ a d +فرنساوي f r a n s aː w i +محل m a ħ a l l +جزيرة ʒ a z iː r a +دور d a w w a r +بوليس b uː l iː s +تحارب t ħ aː r a b +غيمة ɣ eː m a +نص n u sˤ sˤ +جاع ʒ aː ʕ +جوال ʒ a w w aː l +أمل ʔ a m a l +عرق ʕ i r i ʔ +ملى m a l l a +نحيف n ħ iː f +اختار i x t aː r +هاجر h aː ʒ a r +خرافة x u r aː f a +موضوع m a w dˤ uː ʕ +بذر b i z r +شغيل ʃ a ɣ ɣ iː l +سير s eː r +اعتزل i ʕ t a z a l +نازل n aː z i l +بلف b a l a f +جهد ʒ u h d +بحتفل b i ħ t f i l +جعلك ʒ a ʕ l a k +صدر sˤ a d a r +سدس s u d s +كيلومتر k iː l o m i t r +لحمة l a ħ m a +ربح r i b i ħ +شبع ʃ i b i ʕ +رقيق r ʔ iː ʔ +خمس x a m s +تصالح t sˤ aː l a ħ +نقل n a ɡ a l +بعبش b a ʕ b a ʃ +جدول ʒ a d w a l +مات m aː t +بوط b oː tˤ +قلب ɡ a l a b +فوضى f a w dˤ a +قهوة ʔ a h w a +مكورن m k oː r i n +تنتين t i n t eː n +قرا ɡ a r a +زتون z a t uː n +عمتو ʕ a m m t o +ميدان m iː d aː n +زعتر z a ʕ t a r +انصلب n sˤ a l a b +أخفى ʔ a x f a +طير tˤ iː r +مكتبة m a k t a b a +مفصل m a f sˤ a l +قطعة q i tˤ ʕ a +بطن b a tˤ n +مدفع m a d f a ʕ +تقدم t ɡ a d d a m +رتب r a t t a b +ماضي m aː dˤ i +تحدث t ħ a d d a s +خس x a s s +شجع ʃ a ʒ ʒ a ʕ +رحلة r i ħ l a +يعني j a ʕ n i +أدن ʔ a d d a n +فضى f a dˤ dˤ a +رقص r a ɡ a sˤ +أهلا ʔ a h l a +ضمن dˤ a m a n +تبدل t b a d d a l +سوا s a w a +سباتي s b aː t i +راتب r aː t e b +حامي ħ aː m i +دار d aː r +شاب ʃ a b +كاش k aː ʃ +شيكل ʃ eː k i l +كوع k a w w a ʕ +موز m oː z +قلم ɡ a l a m +قفل ʔ a f f a l +كلية k i l j e +لفت l a f a t +شفي ʃ i f i +أصنصير ʔ a sˤ a n sˤ eː r +نرويج n a r w iː ʒ +بدوي b a d a w i +ببتسم b i b t s i m +بد b i d d +تأخر t ʔ a x x a r From 9c15dc9c073ce160992d4da71d2a3ffa0400df5d Mon Sep 17 00:00:00 2001 From: Bonham79 Date: Mon, 20 May 2024 01:03:21 -0400 Subject: [PATCH 2/2] uploading final evaluation Signed-off-by: Bonham79 --- README.md | 56 +++++++++++++++++++++++++++++++++++++++++++++++++------ 1 file changed, 50 insertions(+), 6 deletions(-) diff --git a/README.md b/README.md index c42ba47..e7fe9cd 100644 --- a/README.md +++ b/README.md @@ -18,11 +18,36 @@ There are three subtasks, which will be scored separately. Participant teams may In all three subtasks, the data is randomly split into training (80%), development (10%), and testing (10%) data. +(N.B. Due to quality concerns, the originally planned Devanagari-based subset was removed from the task. We will release this dataset later for community use.) + #### Subtask 1: Multilingual G2P (Shared Orthography): -Participants will be provided three multilingual training sets. Each dataset will be composed of languages utilizing the same orthography (Roman, Cyrillic, Arabic). For evaluation, each training set will be paired with a test set, with each test set composed of samples from the training languages along with an additional unseen language of the same orthography. Models in this track will be tasked to evaluate per training-test dataset pairing (i.e. models are trained on one orthography at a time). +Participants will be provided three multilingual training sets. Each dataset will be composed of languages utilizing the same orthography (Roman, Cyrillic, Arabic). For evaluation, each training set will be paired with a test set, with each test set composed of samples from the training languages along with an additional unseen language of the same orthography. Models in this track will be tasked to evaluate per training-test dataset pairing (i.e. models are trained on one orthography at a time). + +The evaluation languages for Task 1 are (surprise language in *italics*): + +Abjad: +- Modern Standard Arabic +- Farsi +- Pashto +- Urdu +- *South Levantine Arabic* + +Cyrillic: +- Bulgarian +- Macedonian +- Russian +- Ukranian +- *Serbo-Croatian* -Data for Subtask 1 is found in the folder `data/eval/task_1`. Each evaluation set is grouped by orthography system. (i.e. `{latin/cyrillic/abjad}_test.tsv`.) We also provide per language evaluation sets. +Latin: +- English +- Indonesian +- Spanish +- Tagalog +- *Hungarian* + +Data for Subtask 1 is found in the folder `data/eval/task_1`. Each evaluation set is grouped by orthography system. (i.e. `{latin/cyrillic/abjad}_test.tsv`.) We also provide per language evaluation sets. #### Subtask 2: Multilingual G2P (Restricted Orthography): @@ -34,9 +59,28 @@ Data for Subtask 2 is found in the folder `data/eval/task_2`. Each evaluation se This task will function similarly to Task 2 but all unseen languages in the test set will be replaced with languages with orthographies distinct from all other scripts present in the preceding two tasks. For fairness, script systems will be chosen such that they are functionally similar to the training scripts (e.g. the unseen Arabic languages will be replaced with other Abjad). -Data for Subtask 3 is found in the folder `data/eval/task_3`. Each evaluation set is grouped by orthography system. (i.e. `{latin/cyrillic/abjad}_test.tsv`.) We also provide per language evaluation sets. +Abjad: +- Modern Standard Arabic +- Farsi +- Pashto +- Urdu +- *Hebrew* + +Cyrillic: +- Bulgarian +- Macedonian +- Russian +- Ukranian +- *Romanian* + +Latin: +- English +- Indonesian +- Spanish +- Tagalog +- *Mongolian* -(N.B. Due to quality concerns, the originally planned Devanagari-based subset was removed from the task. We will release this dataset later for community use.) +Data for Subtask 3 is found in the folder `data/eval/task_3`. Each evaluation set is grouped by orthography system. (i.e. `{latin/cyrillic/abjad}_test.tsv`.) We also provide per language evaluation sets. ## Evaluation The metric used to rank systems is word error rate (WER), the percentage of words for which the hypothesized transcription sequence does not match the gold transcription. This value, in accordance with common practice, is a decimal value multiplied by 100 (e.g.: 13.53). In the medium- and low-frequency tasks, WER is macro-averaged across all ten languages. We provide two Python scripts for evaluation: @@ -67,8 +111,8 @@ For baseline architectures, we are hosting a fork of the City University of New Model architectures are largely equivalent and are intended to be run on a conventional consumer-level GPU or CPU. Interested participants are welcomed to build off the architectures or utilize other models available in the codebase (see `yoyodyne/README.md` for further details). -All models may be evaluated using the `yoyodyne/examples/baselines/predict.sh` script, requiring only changes to the `arch` flag. - +All models may be evaluated using the `yoyodyne/examples/baselines/predict.sh` script, requiring only changes to the `arch` flag. + ## Organizers The task is organized by members of the Computational Linguistics Lab at the [Graduate Center, City University of New York](https://www.gc.cuny.edu/) and the [University of British Columbia]().