OpenAI’ın Whisper modelinin arkasındaki konuşma tanıma eğitim verisi 438.218 saat İngilizce içerirken Laoca, Sundaca ve Birmanca için yalnızca 0,1’er saat içeriyordu (OpenAI, Whisper makalesi 2022). Dünya genelinde kullanımda olan 7.170 dil karşısında (Ethnologue, How Many Languages 2026), konuşma tanımanın uzun kuyruğu tek cümlede bu fark. Kullanışlı doğruluk için gereken eşik, bu farkın düşündürdüğünden daha düşük görünüyor: 2025 tarihli bir çalışma yalnızca 50 saatlik eğitim verisiyle %13’ün altında bir kelime hata oranına ulaştı (Akera ve diğ., Kinyarwanda ve Kikuyu veri ölçekleme çalışması 2025). Kitle kaynaklı veri toplama açığın bir kısmını kapatıyor; Mozilla Common Voice’ta 29.295 doğrulanmış saat var (Mozilla, Common Voice cv-dataset deposu 2026). Büyük diller içindeki aksanlara göre doğruluk farkları konuşma tanıma aksan yanlılığı istatistikleri yazımızda ele alınıyor; bu derleme ise bütün dillere bakıyor. Verileri Ethnologue, OpenAI Whisper makalesi, Meta’nın MMS ve Omnilingual ASR makaleleri, Google’ın USM ve FLEURS makaleleri, Mozilla Common Voice, Project Vaani, IndicVoices, NaijaVoices, African Next Voices ve güncel Afrika dili ASR kıyaslamalarından derledik.
TL;DR
- Bugün kullanımda 7.170 dil var ve bunların yaklaşık %44’ü nesli tükenme tehlikesinde, çoğunun kullanıcı sayısı 1.000’in altında (Ethnologue, How Many Languages 2026).
- Meta’nın 7B modelinde 546 düşük kaynaklı dilin yalnızca 195’i (%36) 10’un altında bir karakter hata oranına ulaştı; yüksek kaynaklı 249 dilin ise 236’sı ulaştı (Meta FAIR, Omnilingual ASR makalesi 2025).
- Whisper’ın eğitim sesinin %65’i İngilizce konuşma tanımaydı, 438.218 saat; diğer 96 dil ise 117.113 saati paylaştı (OpenAI, Whisper makalesi 2022).
- Bir Kinyarwanda modeli yalnızca 50 saatlik eğitim verisiyle %13’ün altında bir kelime hata oranına ulaştı (Akera ve diğ., veri ölçekleme çalışması 2025).
- En iyi Svahili modeli, 1 saatlik veriyle %24,81 WER’den 400 saatle %11,36 WER’e düştü (Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025).
- Mozilla Common Voice Scripted Speech, 27.0 sürümünde 42.593 saat içeriyor, bunların 29.295’i doğrulanmış (Mozilla, Common Voice cv-dataset deposu 2026).
- Project Vaani 31.278,37 saat Hint konuşması kaydetti, ancak yalnızca yaklaşık %6,8’i yazıya döküldü (IISc ve ARTPARK, Project Vaani paneli 2026).
- African Next Voices, Kenya, Nijerya ve Güney Afrika genelinde 18 dilde 9.000+ saat kaydetti (Pretoria Üniversitesi, African Next Voices haberi 2025).
- 1.800 saatlik NaijaVoices külliyatı üzerinde ince ayar, Whisper’ın Igbo, Hausa ve Yoruba dillerindeki ortalama kelime hata oranını %75,86 iyileştirdi (NaijaVoices veri seti makalesi, Interspeech 2025).
- Google’ın Universal Speech Model modeli, boyutu yaklaşık yedide biri kadar etiketli bir kümeyle 62 FLEURS dilinde Whisper’ı %66 göreli WER farkıyla geride bıraktı (Google, USM makalesi 2023).
- IndicVoices, 22 Hint dilinde 16.237 konuşmacıdan 7.348 saat içeriyor (IndicVoices veri seti makalesi 2024).
1. Dünyadaki Dillerin Kaçında Herhangi Bir Konuşma Tanıma Var
Asıl hikâye paydada. Ethnologue bugün kullanımda 7.170 dil sayıyor ve bunların yalnızca 20’si, yani toplamın %0,3’ü, 3,7 milyardan fazla insanın ana dili (Ethnologue, How Many Languages 2026). Konuşma tanıma bu yoğunlaşmayı izledi: 2023 gibi geç bir tarihte bile Google’ın Universal Speech Model modeli 100+ dili kapsıyordu.
Bugünkü en geniş açık sistem bile 1.600+ dille Ethnologue sayısının yalnızca yaklaşık beşte birine ulaşıyor. Dil kaybı bu açığın öbür yüzüdür ve nesli tükenmekte olan diller istatistikleri yazımızda ele alınıyor. Yalnızca Afrika’da 2.000’den fazla dil var ve bunların çoğunda yazıya dökülmüş konuşma verisi bulunmuyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Dünya genelinde kullanımdaki diller | 7.170 | Ethnologue, How Many Languages 2026 |
| Nesli tükenme tehlikesindeki yaşayan dillerin payı | Yaklaşık %44, çoğunun kalan kullanıcı sayısı 1.000’in altında | Ethnologue, How Many Languages 2026 |
| En büyük 20 dilin ana dili konuşurları | 3,7 milyardan fazla kişi, dünya nüfusunun neredeyse yarısı, tüm dillerin %0,3’ünden | Ethnologue, How Many Languages 2026 |
| Afrika genelinde konuşulan diller | 2.000’den fazla, çoğunda yazıya dökülmüş konuşma verisi yok | Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025 |
| Google’ın Universal Speech Model modelinin konuşma tanıma için kapsadığı diller | 100+ | Google, USM makalesi 2023 |
| Hindistan Anayasası’nın 8. Çizelgesindeki, yazarlarının hepsini destekleyen ilk model olarak tanımladığı IndicASR’nin kapsadığı diller | 22 | IndicVoices veri seti makalesi 2024 |
| En geniş açık ASR sisteminin kapsadığı diller | 1.600+ (500’den fazlası daha önce hiçbir ASR sistemi tarafından desteklenmemişti), kullanımdaki 7.170 dilin yaklaşık %22’si (1.600 / 7.170) | Meta FAIR, Omnilingual ASR makalesi 2025; Ethnologue 2026 |
Bağlam: bu 1.600+ dilli sistem, yaklaşık 150 dili (işaret dilleri, yapay diller ve yerleşik yazı sistemi olmayan diller) bilerek dışarıda bırakıyor; dolayısıyla kapsanmayan toplamın bir kısmı, metin üreten konuşma tanımanın erişiminin dışında kalıyor. USM için mevcut en güncel veri: 2023.
2. Eğitim Saatleri: İngilizce ve Uzun Kuyruk
Konuşma tanıma eğitim verisi bir dağılım değil, bir uçurum. Whisper’ın İngilizce konuşma tanıma verisi (438.218 saat), Svahili verisinden (5,4 saat) kabaca 81.000 kat büyüktü (438.218 / 5,4 = 81.151); Laoca, Sundaca ve Birmanca ise 0,1’er saat aldı. İngilizce, en iyi veri sağlanan İngilizce dışı dil olan 23.446 saatlik Çince’ye kıyasla bile yaklaşık 19 kat daha fazla sese sahipti (438.218 / 23.446 = 18,7).
Daha yeni sistemler dilleri kaynak gruplarına ayırıyor ve sınırlar çarpıcı: bir dilin yüksek kaynaklı (eğitim verisi bakımından iyi donatılmış) sayılması için yalnızca 50 saatin üzerinde veriye sahip olması yeterli. Amaca yönelik veri setleri bir dili bu çizginin ötesine taşıyabilir: IndicVoices, 22 dili genelinde dil başına medyan 73 saatlik yazıya dökülmüş ses bildiriyor (IndicVoices veri seti makalesi 2024).
| Metrik | Değer | Kaynak |
|---|---|---|
| Whisper eğitim sesi: İngilizce konuşma tanıma ve diğer 96 dil | 438.218 saat (%65) ve 117.113 saat (%17) | OpenAI, Whisper makalesi 2022 |
| Dil başına Whisper konuşma tanıma saati, en büyük ve en küçük | Çince 23.446; Almanca 13.344; İspanyolca 11.100 ve Svahili 5,4; Laoca, Sundaca ve Birmanca 0,1’er | OpenAI, Whisper makalesi 2022 |
| Hiç Whisper eğitim verisi bulunmayan FLEURS kıyaslama dilleri | 102 dilden 20’si | OpenAI, Whisper makalesi 2022 |
| Etiketli eğitim verisine göre Omnilingual ASR dilleri: 50 saatten fazla / 10 ila 50 saat / 10 saatten az | 249 / 881 / 546 dil | Meta FAIR, Omnilingual ASR makalesi 2025 |
| Dil başına FLEURS değerlendirme verisi | 102 dilin her birinde yaklaşık 12 saat konuşma | Google, FLEURS makalesi 2022 |
| IndicVoices yazıya dökülmüş ses | 1.639 saat, dil başına medyan 73 saat | IndicVoices veri seti makalesi 2024 |
Whisper için mevcut en güncel veri: 2022. Yukarıdaki saatler yalnızca konuşma tanıma verisidir, Whisper’ın çeviri sesinden ayrıdır. Whisper’ın sonraki sürümleri için dil başına eşdeğer bir döküm bulamadık.
3. Hata Oranları: Düşük Kaynaklı ve Yüksek Kaynaklı Diller
Kelime hata oranı (WER), bir sistemin yanlış yaptığı kelimelerin payıdır; yer değiştirmeleri, silmeleri ve eklemeleri sayar. Eklenen kelimeler de sayıldığı için, model referansın içerdiğinden daha fazla yanlış kelime ürettiğinde %100’ü aşabilir. Whisper large-v2, FLEURS kıyaslamasında İngilizcede %4,2 WER alırken Şona dilinde %121,0 aldı; yani Şona dilinde hatalar gerçekten söylenen kelimelerden fazlaydı (OpenAI, Whisper makalesi 2022). Bir modelin bu noktaya gelmesinin bilinen yollarından biri, kimsenin söylemediği akıcı metinler yazmaktır; bu hata türü konuşma tanıma halüsinasyon istatistikleri yazımızda izleniyor.
Daha yeni modeller farkı hâlâ koruyor. Aşağıdaki tabloda karakter hata oranı (CER, aynı fikir, kelime yerine harf başına sayılır), 10 veya daha fazla saatlik veriye sahip dillerin yaklaşık %95’inde (1.130’un 1.077’si) 10’un altında kaldı, ancak 10 saatten az verili grubun yalnızca üçte birinden biraz fazlasında. Tek bir model içinde, bu sonuçları yalnızca veri hacmi ayırıyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| FLEURS’ta Whisper large-v2 kelime hata oranı: İngilizce / İspanyolca / Svahili | %4,2 / %3,0 / %39,3 | OpenAI, Whisper makalesi 2022 |
| FLEURS’ta Whisper large-v2 kelime hata oranı: Yoruba / Somalice / Şona / Sindhi | %94,8 / %102,9 / %121,0 / %156,5 | OpenAI, Whisper makalesi 2022 |
| Karakter hata oranı 10’un altında olan Omnilingual 7B LLM-ASR dilleri, kaynak düzeyine göre: yüksek / orta / düşük | 249’un 236’sı / 881’in 841’i / 546’nın 195’i (makale düşük kaynaklı payı %36’ya yuvarlıyor) | Meta FAIR, Omnilingual ASR makalesi 2025 |
| Omnilingual 7B LLM-ASR ortalama karakter hata oranı: yüksek kaynaklı ve düşük kaynaklı diller | 3,13 ve 18,0 | Meta FAIR, Omnilingual ASR makalesi 2025 |
Aykırı değer notu: Whisper satırları 2022 makalesindeki large-v2 tablosundan geliyor; bu türden mevcut en güncel dil başına tablo bu. WER ve CER farklı ölçülerdir, dolayısıyla Whisper ve Omnilingual satırları doğrudan karşılaştırılamaz.
4. Açığı Kapatmak İçin Ne Kadar Veri Gerekir
2025’in cesaret verici bulgusu, kullanılabilir tanıma eşiğinin binlerle değil onlarca saatle ölçülmesi. Bir Kinyarwanda modeli yalnızca 50 saatlik eğitim verisiyle pratik doğruluğa, yani %13’ün altında bir kelime hata oranına ulaştı ve 200 saatte %10’un altına indi (Akera ve diğ., veri ölçekleme çalışması 2025). Bu durum diğer diller için de geçerliyse, ilk kullanılabilir model için fonlanmış tek bir kayıt kampanyası yeterlidir.
Veri kalitesi de önemli. Aynı çalışma yüksek hata vakalarının %38,6’sını gürültülü referans transkripsiyonlara bağladı; yani “hataların” bir kısmı aslında referans metnin yanlış olmasıydı. Ayrı bir 13 dilli kıyaslamadaki Svahili sonuçları ise yalnızca hacmin neyi satın aldığını gösteriyor: 1 saatten 400 saate geçmek en iyi hata oranını yarıdan fazla düşürdü, ancak %11,36 hâlâ 3. bölümdeki Whisper’ın İngilizce skorunun epey üzerinde.
| Metrik | Değer | Kaynak |
|---|---|---|
| %13’ün altında kelime hata oranı için gereken Kinyarwanda eğitim verisi | Yalnızca 50 saat | Akera ve diğ., Kinyarwanda ve Kikuyu veri ölçekleme çalışması 2025 |
| 200 saatlik eğitim verisinde Kinyarwanda kelime hata oranı | %10’un altında | Akera ve diğ., Kinyarwanda ve Kikuyu veri ölçekleme çalışması 2025 |
| Gürültülü referans transkripsiyonların yol açtığı yüksek hata vakaları | %38,6 | Akera ve diğ., Kinyarwanda ve Kikuyu veri ölçekleme çalışması 2025 |
| 1, 5, 10, 20, 50, 100 ve 200 saatlik ince ayar alt kümeleriyle kıyaslanan Afrika dilleri | 13 dil (yalnızca Svahili ayrıca 400 saatlik bir alt kümeye sahipti) | Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025 |
| 400 saatlik ince ayar verisiyle en iyi Svahili kelime hata oranı (XLS-R ve Whisper) | %11,36 ve %16,88 | Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025 |
Bağlam: Nahabwe ve diğ. kıyaslamasındaki 13 dil Afrikaanca, Akan, Bambara, Bemba, Ewe, Kinyarwanda, Lingala, Luganda, Şona, Svahili, Wolof, Xhosa ve Zulu’dur.
5. Kitle Kaynaklı ve Topluluk Konuşma Veri Setleri
Uzun kuyruktaki konuşma verisinin herkese açık hâle geldiği yer, açık ve topluluk tarafından oluşturulan veri setleridir. Mozilla Common Voice’un Scripted Speech veri seti, ilk sürümdeki 1.368 saatten 27.0 sürümünde 42.593 saate, yaklaşık 31 kat büyüdü (42.593 / 1.368 = 31,1) ve depo 295 dil listeliyor (Mozilla, Common Voice cv-dataset deposu 2026). Darboğaz kayıttan kontrole kaydı: bu saatlerin yaklaşık %31’i doğrulanmış değil (29.295 / 42.593 = %68,8 doğrulanmış).
Bölgesel projeler aynı örüntüyü daha büyük ölçekte gösteriyor. Project Vaani 31.000 saatten fazla Hint konuşması topladı, ancak bunun yalnızca yaklaşık %6,8’ini yazıya döktü (2.122,21 / 31.278,37) ve Hindistan’ın 773 ilçesinden 165’ine ulaştı (%21,3). Afrika’da, 2025’te bildirilen iki proje birlikte 10.800 saatten fazla veri barındırıyor (9.000+ artı 1.800); buna karşılık Whisper’ın konuşma tanıma verisinde Svahili için yalnızca 5,4 saat var.
| Metrik | Değer | Kaynak |
|---|---|---|
| Common Voice Scripted Speech toplam saat: sürüm 1 ve sürüm 27.0 (veri kesim tarihi Eylül 2026) | 1.368 ve 42.593 saat | Mozilla, Common Voice cv-dataset deposu 2026 |
| Common Voice Scripted Speech doğrulanmış saat, sürüm 27.0 | 29.295 (toplamın %68,8’i) | Mozilla, Common Voice cv-dataset deposu 2026 |
| Common Voice Scripted Speech için listelenen diller: sürüm 19.0 (2024) ve sürüm 27.0 (2026) | 131 ve 295 | Mozilla, Common Voice 19.0 sürümü 2024; cv-dataset deposu 2026 |
| Common Voice Spontaneous Speech sürüm 5.0 | 541 saat (302’si doğrulanmış), 80 dil | Mozilla, Common Voice cv-dataset deposu 2026 |
| Hindistan’da toplanan Project Vaani konuşması | 156.208 konuşmacıdan 105 dilde 31.278,37 saat, 773 ilçeden 165’i | IISc ve ARTPARK, Project Vaani paneli 2026 |
| Project Vaani yazıya dökülmüş konuşma | 2.122,21 saat (toplanan sesin yaklaşık %6,8’i) | IISc ve ARTPARK, Project Vaani paneli 2026 |
| African Next Voices kayıtlı konuşma | 3 ülkede 18 dilde 9.000+ saat | Pretoria Üniversitesi, African Next Voices haberi 2025 |
| NaijaVoices konuşma-metin verisi | Igbo, Hausa ve Yoruba dillerinde 5.000+ konuşmacıdan 1.800 saat | NaijaVoices veri seti makalesi, Interspeech 2025 |
Bağlam: Project Vaani’nin açıklanan hedefi 773 ilçenin tamamından 150.000 saatten fazla konuşma; dolayısıyla mevcut pano planlanan sesin yaklaşık beşte birini temsil ediyor (31.278,37 / 150.000 = %20,9).
6. Yaklaşımlar: Öz Denetimli Ön Eğitim, Dinî Metin Okumaları ve Az Örnekli Genişletme
Uzun kuyruğa üç taktikle ulaşılıyor. Öz denetimli ön eğitim (model önce yazıya dökülmemiş sesten öğrenir, sonra yalnızca küçük bir etiketli kümeye ihtiyaç duyar) temel katmandır; Google’ın Universal Speech Model modeli, boyutu yaklaşık yedide biri kadar etiketli bir küme kullanarak 62 FLEURS dilinde Whisper’ı %66 göreli kelime hata oranı farkıyla geride bıraktı (Google, USM makalesi 2023). Kamuya açık dinî metinlerin okumaları MMS projesine dil başına ortalama 32 saat sağladı; bu ortalama, 2. bölümdeki 10 ila 50 saat aralığının içinde kalıyor.
En yeni taktik az örnekli genişletme: modele çalışırken bir avuç eşleştirilmiş ses ve metin örneği verin ve yeniden eğitim olmadan uyum sağlamasına izin verin. Aynı anda birçok dili işleyen paylaşılan modellerin daha geniş resmi çok dilli konuşma temel modeli istatistikleri yazımızda ele alınıyor. Veri verimliliği tasarıma göre de farklılaşır: 1 saatlik Svahili verisiyle, öz denetimli ön eğitim üzerine kurulu MMS, Whisper’ı 26,52 WER puanı farkla geride bıraktı (51,33 - 24,81).
| Metrik | Değer | Kaynak |
|---|---|---|
| Dinî metin okumalarından oluşturulan MMS etiketli verisi | 1.107 dilde 44,7K saat, dil başına ortalama yaklaşık 32 saat | Meta AI, MMS makalesi ve blogu 2023 |
| Eğitimde görülmeyen dillerde karakter hata oranı: CTC temel model ve 10 bağlam örneği verilen sıfır örnekli model (yeniden eğitim yok) | %26,33 ve %14,4 | Meta FAIR, Omnilingual ASR makalesi 2025 |
| USM denetimli eğitim verisi ve Whisper’ınki, İngilizce hariç | 90k saat ve 117k saat; Whisper, 62 FLEURS dilinde %66 göreli WER ile geride bırakıldı | Google, USM makalesi 2023 |
| 1 saatlik ince ayardan sonra Svahili kelime hata oranı: MMS / W2v-BERT / Whisper / XLS-R | %24,81 / %32,36 / %51,33 / %58,23 | Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025 |
| NaijaVoices üzerinde ince ayardan sonra ortalama kelime hata oranı iyileşmesi: Whisper / MMS / XLSR | %75,86 / %52,06 / %42,33 | NaijaVoices veri seti makalesi, Interspeech 2025 |
Aykırı değer notu: USM makalesi etiketli YouTube kümesini girişte 73 dili, 3.1. bölümde ise 75 dili kapsayan şeklinde tanımlıyor. MMS ve USM için mevcut en güncel veri: 2023.
Özet: Rakamlarla Düşük Kaynaklı Dillerde Konuşma Tanıma Kapsamı
| Metrik | Değer | Kaynak |
|---|---|---|
| Dünya genelinde kullanımdaki diller | 7.170 | Ethnologue, How Many Languages 2026 |
| En geniş açık ASR sisteminin kapsadığı diller | 1.600+, 500’den fazlası daha önce hiç desteklenmemişti | Meta FAIR, Omnilingual ASR makalesi 2025 |
| Karakter hata oranı 10’un altında olan düşük kaynaklı diller (10 saatten az) | 546’nın 195’i (%36) | Meta FAIR, Omnilingual ASR makalesi 2025 |
| İngilizce konuşma tanıma olan Whisper eğitim sesi | %65 (438.218 saat) | OpenAI, Whisper makalesi 2022 |
| Afrika genelinde konuşulan diller | 2.000’den fazla | Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025 |
| %13’ün altında kelime hata oranı için gereken Kinyarwanda verisi | Yalnızca 50 saat | Akera ve diğ., veri ölçekleme çalışması 2025 |
| 200 saatte Kinyarwanda kelime hata oranı | %10’un altında | Akera ve diğ., veri ölçekleme çalışması 2025 |
| En iyi Svahili kelime hata oranı: 1 saat ve 400 saat ince ayar verisi | %24,81 ve %11,36 | Nahabwe ve diğ., Benchmarking ASR Models for African Languages 2025 |
| Common Voice Scripted Speech saatleri, sürüm 27.0 | 42.593 toplam, 29.295 doğrulanmış | Mozilla, Common Voice cv-dataset deposu 2026 |
| Listelenen Common Voice Scripted Speech dilleri | 295 | Mozilla, Common Voice cv-dataset deposu 2026 |
| Project Vaani toplanan ve yazıya dökülen ses | 31.278,37 ve 2.122,21 saat | IISc ve ARTPARK, Project Vaani paneli 2026 |
| IndicVoices sesi | 7.348 saat, 16.237 konuşmacı, 22 dil | IndicVoices veri seti makalesi 2024 |
| African Next Voices kayıtlı konuşma | 9.000+ saat, 18 dil | Pretoria Üniversitesi, African Next Voices haberi 2025 |
| NaijaVoices konuşma-metin verisi | 1.800 saat, 3 dil | NaijaVoices veri seti makalesi, Interspeech 2025 |
| 62 FLEURS dilinde USM ve Whisper | %66 daha düşük göreli WER | Google, USM makalesi 2023 |
Metodoloji ve Kaynaklar
- Ethnologue, How Many Languages Are There in the World? (sayfa Ekim 2026’da okundu): yaşayan diller, nesli tükenme tehlikesindeki pay, en büyük 20 dilin yoğunlaşması.
- OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision (Whisper makalesi), 2022: dil başına eğitim saatleri (Şekil 11) ve FLEURS kelime hata oranları (Tablo 13).
- Meta, Scaling Speech Technology to 1,000+ Languages (MMS makalesi), 2023, MMS duyurusu ile birlikte; ve Omnilingual ASR: Open-Source Multilingual Speech Recognition for 1600+ Languages, 10 Kasım 2025.
- Google, Universal Speech Model makalesi, 2023, ve FLEURS kıyaslama makalesi, 2022.
- Mozilla, Common Voice cv-dataset deposu (sürüm 27.0, veri kesim tarihi Eylül 2026), Common Voice 19.0 sürüm yazısı (18 Eylül 2024’te duyuruldu) ve Scripted Speech 26.0 sürüm notları (19 Haziran 2026).
- IISc ve ARTPARK, Project Vaani canlı panosu (Ekim 2026’da okundu).
- IndicVoices veri seti makalesi, 4 Mart 2024.
- Akera ve diğ., How much speech data is necessary for ASR in African languages?, 8 Ekim 2025.
- Nahabwe ve diğ., Benchmarking Automatic Speech Recognition Models for African Languages, 30 Kasım 2025.
- The NaijaVoices Dataset, Interspeech 2025’te kabul edildi.
- Pretoria Üniversitesi, African Next Voices featured in Nature, 1 Ağustos 2025.
- Veri notu: Dil sayıları kaynağa ve yönteme göre farklılaşıyor (Ethnologue’un 7.170’i kullanımdaki dilleri sayar; ASR makaleleri ISO 639-3 kodlarını sayar ve işaret dillerini ile yazısı olmayan dilleri dışarıda bırakır), dolayısıyla kapsam payları yaklaşık değerlerdir. Common Voice dil sayısı 131’den (sürüm 19.0) 295’e (sürüm 27.0) sıçradı; depo, yeni rakamın yalnızca sesi yayımlanmış dilleri mi saydığını belirtmiyor, bu yüzden bunu listelenen diller olarak değerlendirin. %68,8’lik doğrulanmış pay deponun grafik verisinden hesaplanıyor; 26.0 sürüm notları ise Scripted Speech sesinin yaklaşık %25’inin hâlâ doğrulama beklediğini söylüyor; iki ölçü birebir aynı değil. 19.0 sürümü duyurulduğunda bir forum yorumu, 131 dilin yalnızca 129’unun indirilebildiğini belirtmişti; dolayısıyla listelenen ve yayımlanan sayılar farklı olabilir. African Next Voices rakamları, Nature haberlerini özetleyen bir üniversite haber sayfasından geliyor ve bir veri seti makalesi okumadık. Whisper (2022), FLEURS (2022), MMS (2023) ve USM (2023) rakamlarının hepsi üç yıldan eski ve mevcut en güncel veri olarak işaretlendi. Omnilingual makalesinin metni (549) ile Tablo 8’i (546), düşük kaynaklı dil sayısı konusunda çelişiyor; biz tablo değerlerini kullanıyoruz.
Son güncelleme: 31 Ekim 2026. Bu derlemeyi üç ayda bir güncelliyoruz ve bir sonraki yenilemenin, Mozilla’nın Common Voice Scripted Speech 28.0 sürümünü yayımlamasıyla birlikte yapılması bekleniyor.