El Open ASR Leaderboard suma inglés egipcio y nigeriano con datos privados
La colaboración con Liva AI aporta 2,9 horas de habla espontánea y una agrupación de acentos basada en los círculos de Kachru
El Open ASR Leaderboard de Hugging Face incorpora dos conjuntos de evaluación privados con habla espontánea en inglés con acento egipcio (1,34 horas) y nigeriano (1,55 horas), cedidos por Liva AI. Los audios quedan ocultos a los entrenadores y la tabla desglosará ahora el rendimiento por grupos de acentos.
Qué ha ocurrido
La tabla de referencia de reconocimiento automático de voz (ASR) en abierto más usada del ecosistema tenía siete variantes de acento en inglés, todas del mundo anglosajón clásico o la India. Desde el 6 de noviembre, en una colaboración con la empresa Liva AI, suma dos más: inglés con acento egipcio e inglés con acento nigeriano.
Los nuevos datos llegan como splits privados: 1,34 horas de conversaciones espontáneas en egipcio y 1,55 en nigeriano, transcritas con puntuación, mayúsculas y hasta las vacilaciones del habla. Al no ser públicos, los equipos que entrenan modelos no pueden verlos ni optimizar contra ellos, lo que dificulta inflar la posición en la tabla ajustándose al conjunto de prueba.
Un desglose por círculos de acento
Con estas dos incorporaciones, la pestaña Private de la tabla presentará un desglose tomado de la lingüística del inglés mundial: Estados Unidos frente a no-Estados Unidos (Reino Unido, Australia, Canadá, India, Nigeria, Egipto), y el Círculo Interior —Estados Unidos, Reino Unido, Australia y Canadá— frente a los círculos Exterior y en Expansión —India, Nigeria y Egipto—. Hugging Face atribuye la idea a Hume AI, que ya la aplica en su propia tabla.
Los conjuntos proceden de la estrategia de Liva AI: la empresa afirma que recoge datos de interacción multimodal a través de productos de consumo, lo que le da acceso a comportamiento natural en lugar de lecturas de guion.
Por qué importa
Las tablas de transcripción se han leído siempre como una cifra global, y esa media tapaba diferencias de varias veces en la tasa de error según el acento. Un desglose explícito convierte esa brecha en un dato comparable entre modelos, algo útil si tu producto atiende a hablantes no nativos.
Los límites, sin embargo, marcan el alcance: 2,9 horas de audio en total no miden el mundo real de un asistente telefónico, y la clasificación seguirá dominándose con los conjuntos grandes de siempre. El valor está en el diagnóstico, no en el ranking general.
Qué sabemos · qué no
Confirmado
- Los dos splits son privados y conversacionales: 1,34 horas en inglés con acento egipcio y 1,55 con acento nigeriano, con transcripciones puntuadas y con mayúsculas que conservan las disfluencias.
- Es la tercera ampliación de datos ocultos del leaderboard: antes añadió 11 splits de Appen y DataOceanAI sobre cinco acentos y un conjunto con acento indio junto a Voice Arena.
- La nueva agrupación sigue los Tres Círculos de Kachru, un modelo lingüístico que clasifica el inglés por su historia: Interior (países donde el inglés es lengua mayoritaria de raíz), Exterior (uso institucional extendido) y en Expansión (uso como lengua extranjera).
- Hugging Face atribuye a Hume AI la idea del desglose por círculos, aplicada ya en la tabla de esta última.
Todavía no
- La publicación no muestra los resultados de ningún modelo en los dos conjuntos nuevos, así que no hay evidencia todavía de cuánto empeora la transcripción en estos acentos.
- Ni el número de hablantes ni las condiciones de grabación de las 2,9 horas, datos que determinarían hasta qué punto la muestra representa a quienes hablan estos acentos.
- Liva AI describe su método de recogida mediante productos de consumo, pero la entrada del blog no detalla consentimiento, licencias ni diversidad demográfica de esos datos.
La misma claridad, en tu correo.
IA HOY, gratis de lunes a viernes, con fuentes y contexto.
Para ir al grano técnico
- → docs
Qué vigilamos ahora
Si Hugging Face separa como promete los círculos Exterior y en Expansión al entrar más acentos, y si los equipos publican modelos específicos para acentos no nativos a partir de estos desgloses.
Fuentes
Naturaleza de la afirmación principal: Anuncio de la empresa. Fuente primaria consultada y verificable.
- Hugging Face Blog · nivel 1 · primaria · consultada 9 nov 2026
Más sobre
IA HOY · de lunes a viernes
La misma claridad,
cada día, en tu correo.
Una noticia principal, una selección breve y el contexto o las dudas que conviene seguir. Con fuentes y sin rellenar cupos.
Para seguir leyendo
Modelos ·
Hugging Face enseña a entrenar buscadores IA para resistir con un 75% menos de vectores
Modelos ·
Tether lanza BotPsy, un agente de 0,8B parámetros con pesos abiertos para el móvil
Modelos ·
NVIDIA y Elith publican 9 millones de personas sintéticas para probar IA financiera en Japón
Modelos ·
NVIDIA publica cuatro Cosmos 3 de pesos abiertos para simular mundos interactivos