BatchalignHK 0.7.20.post1__tar.gz → 0.7.20.post3__tar.gz

{batchalignhk-0.7.20.post1 → batchalignhk-0.7.20.post3}/BatchalignHK.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
-Metadata-Version: 2.2
+Metadata-Version: 2.4
 Name: BatchalignHK
-Version: 0.7.20.post1
+Version: 0.7.20.post3
 Summary: Python Speech Language Sample Analysis
 Author: Brian MacWhinney, Houjun Liu
 Author-email: macw@cmu.edu, houjun@cmu.edu
@@ -52,6 +52,7 @@ Dynamic: author-email
 Dynamic: classifier
 Dynamic: description
 Dynamic: description-content-type
+Dynamic: license-file
 Dynamic: provides-extra
 Dynamic: requires-dist
 Dynamic: summary

{batchalignhk-0.7.20.post1 → batchalignhk-0.7.20.post3}/PKG-INFO

@@ -1,6 +1,6 @@
-Metadata-Version: 2.2
+Metadata-Version: 2.4
 Name: BatchalignHK
-Version: 0.7.20.post1
+Version: 0.7.20.post3
 Summary: Python Speech Language Sample Analysis
 Author: Brian MacWhinney, Houjun Liu
 Author-email: macw@cmu.edu, houjun@cmu.edu
@@ -52,6 +52,7 @@ Dynamic: author-email
 Dynamic: classifier
 Dynamic: description
 Dynamic: description-content-type
+Dynamic: license-file
 Dynamic: provides-extra
 Dynamic: requires-dist
 Dynamic: summary

{batchalignhk-0.7.20.post1 → batchalignhk-0.7.20.post3}/batchalign/cli/cli.py

@@ -346,6 +346,8 @@ def utseg(ctx, in_dir, out_dir, lang, num_speakers, **kwargs):
               help="the URL of the data",
               type=str)
 @click.option("-n", "--num_speakers", type=int, help="number of speakers in the language sample", default=2)
+@click.option("--wor/--nowor",
+              default=False, help="Should we write word level alignment line? Default to no.")
 @click.pass_context
 def benchmark(ctx, in_dir, out_dir, lang, num_speakers, whisper, tencent, **kwargs):
     """Benchmark ASR utilities for their word accuracy"""
@@ -369,7 +371,8 @@ def benchmark(ctx, in_dir, out_dir, lang, num_speakers, whisper, tencent, **kwar
             df.write(str(doc["wer"]))
         with open(Path(output).with_suffix(".diff"), 'w') as df:
             df.write(str(doc["diff"]))
-        CHATFile(doc=doc["doc"]).write(str(Path(output).with_suffix(".asr.cha")))
+        CHATFile(doc=doc["doc"]).write(str(Path(output).with_suffix(".asr.cha")),
+                                       write_wor=kwargs.get("wor", False))
 
 
     _dispatch("benchmark", lang, num_speakers, ["mp3", "mp4", "wav"], ctx,

{batchalignhk-0.7.20.post1 → batchalignhk-0.7.20.post3}/batchalign/pipelines/analysis/eval.py

@@ -12,11 +12,13 @@ from batchalign.utils.config import config_read
 from batchalign.utils.dp import align, ExtraType, Extra, Match
 from batchalign.utils.names import names
 from batchalign.utils.compounds import compounds
+from batchalign.utils.abbrev import abbrev
 
 import logging
 L = logging.getLogger("batchalign")
 
 joined_compounds = ["".join(k) for k in compounds]
+lowered_abbrev = [k.lower() for k in abbrev]
 
 fillers = ["um", "uhm", "em", "mhm", "uhhm", "eh", "uh"]
 def conform(x):
@@ -25,6 +27,9 @@ def conform(x):
         if i.strip() in joined_compounds:
             for k in compounds[joined_compounds.index(i.strip())]:
                 result.append(k)
+        elif i.strip() in lowered_abbrev:
+            for j in i.strip():
+                result.append(j)
         elif "'s" in i.strip():
             result.append(i.split("'")[0])
             result.append("is")

batchalignhk-0.7.20.post3/batchalign/utils/abbrev.py

@@ -0,0 +1,443 @@
+abbrev = [
+    "FBI",
+    "CIA",
+    "NSA",
+    "NATO",
+    "UN",
+    "WHO",
+    "NASA",
+    "CDC",
+    "IRS",
+    "EPA",
+    "HTTP",
+    "URL",
+    "HTML",
+    "CSS",
+    "API",
+    "IP",
+    "DNS",
+    "SQL",
+    "USB",
+    "VPN",
+    "ATT",
+    "AT&T",
+    "CEO",
+    "CFO",
+    "COO",
+    "IPO",
+    "ROI",
+    "GDP",
+    "LLC",
+    "HR",
+    "M&",
+    "KPI",
+    "GPA",
+    "SAT",
+    "ACT",
+    "MBA",
+    "PhD",
+    "BA",
+    "MA",
+    "STEM",
+    "ESL",
+    "GED",
+    "AWOL",
+    "MIA",
+    "POW",
+    "IED",
+    "UAV",
+    "RPG",
+    "NATO",
+    "SEAL",
+    "JAG",
+    "ROTC",
+    "CERN",
+    "GMO",
+    "H2O",
+    "CO2",
+    "UV",
+    "IR",
+    "AI",
+    "VR",
+    "AR",
+    "NPR",
+    "BBC",
+    "MTV",
+    "CNN",
+    "HBO",
+    "ESPN",
+    "TMZ",
+    "AMC",
+    "IMAX",
+    "WWE",
+    "ASAP",
+    "DIY",
+    "ETA",
+    "RSVP",
+    "FYI",
+    "LOL",
+    "BRB",
+    "IDK",
+    "BTW",
+    "TMI",
+    "PBJ",
+    "AIDS",
+    "HIV",
+    "ADHD",
+    "COPD",
+    "PTSD",
+    "CHF",
+    "CAD",
+    "TB",
+    "UTI",
+    "GERD",
+    "MRI",
+    "CT",
+    "ECG",
+    "EEG",
+    "CBC",
+    "BMP",
+    "ABG",
+    "PFT",
+    "FOBT",
+    "ENT",
+    "OB",
+    "PCP",
+    "ICU",
+    "NICU",
+    "ER",
+    "OR",
+    "PT",
+    "OT",
+    "EM",
+    "OTC",
+    "NSAID",
+    "IV",
+    "IM",
+    "SC",
+    "PRN",
+    "BID",
+    "TID",
+    "QID",
+    "NPO",
+    "CNS",
+    "PNS",
+    "GI",
+    "GU",
+    "CV",
+    "MSK",
+    "ENT",
+    "BMI",
+    "BMR",
+    "BP",
+    "WBC",
+    "RBC",
+    "HGB",
+    "HCT",
+    "PLT",
+    "ESR",
+    "CRP",
+    "LFT",
+    "TFT",
+    "INR",
+    "MMR",
+    "DPT",
+    "HPV",
+    "Tdap",
+    "BCG",
+    "IPV",
+    "HBV",
+    "HAV",
+    "HCV",
+    "RSV",
+    "SOAP",
+    "DNR",
+    "AMA",
+    "LOS",
+    "EHR",
+    "EMR",
+    "ICD",
+    "CPT",
+    "HIPAA",
+    "HR",
+    "RR",
+    "SpO2",
+    "MAP",
+    "GFR",
+    "A1C",
+    "LDL",
+    "HDL",
+    "TG",
+    "BUN",
+    "SIDS",
+    "DVT",
+    "PE",
+    "ARDS",
+    "SLE",
+    "RA",
+    "TIA",
+    "CVA",
+    "ALS",
+    "MS",
+    "AC",
+    "AM",
+    "BC",
+    "BFF",
+    "BO",
+    "COD",
+    "DIY",
+    "EG",
+    "ETA",
+    "FYI",
+    "ID",
+    "IE",
+    "JK",
+    "KO",
+    "MIA",
+    "NA",
+    "NB",
+    "OK",
+    "PS",
+    "RSVP",
+    "API",
+    "B2B",
+    "B2C",
+    "CPU",
+    "DNS",
+    "HTML",
+    "HTTP",
+    "HTTPS",
+    "IP",
+    "ISP",
+    "PDF",
+    "RAM",
+    "ROM",
+    "SaaS",
+    "URL",
+    "VPN",
+    "WLAN",
+    "XML",
+    "SSD",
+    "AR",
+    "AP",
+    "CEO",
+    "CFO",
+    "COO",
+    "EOY",
+    "GM",
+    "IPO",
+    "KPI",
+    "MA",
+    "PL",
+    "ROI",
+    "SOP",
+    "TBD",
+    "TBA",
+    "VC",
+    "WB",
+    "WIP",
+    "YOY",
+    "BOE",
+    "AF",
+    "CIA",
+    "DOD",
+    "DEA",
+    "FBI",
+    "GOP",
+    "NATO",
+    "NSA",
+    "UN",
+    "US",
+    "VA",
+    "FEMA",
+    "SWAT",
+    "ATF",
+    "IRS",
+    "DHS",
+    "CDC",
+    "MIT",
+    "NASA",
+    "FEC",
+    "AIDS",
+    "BPM",
+    "CPR",
+    "CT",
+    "DNA",
+    "EBV",
+    "HIV",
+    "ICU",
+    "MRI",
+    "NPO",
+    "OTC",
+    "Rx",
+    "SARS",
+    "STD",
+    "TBA",
+    "WBC",
+    "WHO",
+    "BP",
+    "CDC",
+    "EMT",
+    "AS",
+    "BA",
+    "BS",
+    "GPA",
+    "MA",
+    "MS",
+    "PhD",
+    "SAT",
+    "ACT",
+    "MOOC",
+    "TA",
+    "ESL",
+    "GED",
+    "NCLB",
+    "SOP",
+    "BEd",
+    "CPA",
+    "DO",
+    "HS",
+    "CO2",
+    "H2O",
+    "O2",
+    "UV",
+    "GMO",
+    "NPO",
+    "EPA",
+    "N2",
+    "HCl",
+    "NaCl",
+    "pH",
+    "DNA",
+    "RNA",
+    "NMR",
+    "PCR",
+    "FOSS",
+    "STEM",
+    "Toxic",
+    "VOCs",
+    "BOD",
+    "ASAP",
+    "CEO",
+    "CFO",
+    "DIY",
+    "FOMO",
+    "HOA",
+    "IOU",
+    "LOL",
+    "MOU",
+    "NGO",
+    "PO",
+    "RIP",
+    "SOS",
+    "TMI",
+    "VIP",
+    "WTF",
+    "YOLO",
+    "TLDR",
+    "SNAFU",
+    "BTW",
+    "AFK",
+    "BTO",
+    "CSF",
+    "DS",
+    "ER",
+    "FAQ",
+    "GOAT",
+    "HR",
+    "IT",
+    "KPI",
+    "LTD",
+    "MO",
+    "NDA",
+    "OS",
+    "PM",
+    "QED",
+    "RD",
+    "SWOT",
+    "TOS",
+    "USA",
+    "VO",
+    "WA",
+    "XO",
+    "YT",
+    "ZA",
+    "AAA",
+    "BBC",
+    "CBO",
+    "DBA",
+    "EU",
+    "FDA",
+    "GDP",
+    "HALO",
+    "ICU",
+    "JD",
+    "KISS",
+    "LOA",
+    "MOU",
+    "NHS",
+    "OP",
+    "PA",
+    "QA",
+    "ROE",
+    "SLA",
+    "TC",
+    "UK",
+    "VAT",
+    "WTO",
+    "XR",
+    "YMCA",
+    "ZONE",
+    "AC",
+    "BLM",
+    "CLI",
+    "DSL",
+    "ERP",
+    "FAA",
+    "GPS",
+    "HTML",
+    "IPA",
+    "JS",
+    "KNOW",
+    "LED",
+    "MAC",
+    "NTP",
+    "OT",
+    "PC",
+    "QR",
+    "RA",
+    "SAS",
+    "TRA",
+    "USP",
+    "VCR",
+    "WASP",
+    "XYZ",
+    "YOY",
+    "ZIP",
+    "AED",
+    "BAS",
+    "CAD",
+    "DA",
+    "ECG",
+    "FIFO",
+    "GOP",
+    "HIV",
+    "ICT",
+    "JAB",
+    "KAP",
+    "LEA",
+    "MAS",
+    "NED",
+    "OCD",
+    "PBR",
+    "QT",
+    "RAD",
+    "SAD",
+    "TOEFL",
+    "UNC",
+    "VAN",
+    "WC",
+    "XFS",
+    "YOP",
+    "ZAF"
+]

batchalignhk-0.7.20.post3/batchalign/version

@@ -0,0 +1,3 @@
+0.7.20-post.3
+July 21th, 2025
+Some benchmarking abbreviations

batchalignhk-0.7.20.post1/batchalign/utils/abbrev.py

@@ -1,182 +0,0 @@
-abbrev = [
-    "FBI",
-    "CIA",
-    "NSA",
-    "NATO",
-    "UN",
-    "WHO",
-    "NASA",
-    "CDC",
-    "IRS",
-    "EPA",
-    "HTTP",
-    "URL",
-    "HTML",
-    "CSS",
-    "API",
-    "IP",
-    "DNS",
-    "SQL",
-    "USB",
-    "VPN",
-    "ATT",
-    "AT&T",
-    "CEO",
-    "CFO",
-    "COO",
-    "IPO",
-    "ROI",
-    "GDP",
-    "LLC",
-    "HR",
-    "M&",
-    "KPI",
-    "GPA",
-    "SAT",
-    "ACT",
-    "MBA",
-    "PhD",
-    "BA",
-    "MA",
-    "STEM",
-    "ESL",
-    "GED",
-    "AWOL",
-    "MIA",
-    "POW",
-    "IED",
-    "UAV",
-    "RPG",
-    "NATO",
-    "SEAL",
-    "JAG",
-    "ROTC",
-    "CERN",
-    "GMO",
-    "H2O",
-    "CO2",
-    "UV",
-    "IR",
-    "AI",
-    "VR",
-    "AR",
-    "NPR",
-    "BBC",
-    "MTV",
-    "CNN",
-    "HBO",
-    "ESPN",
-    "TMZ",
-    "AMC",
-    "IMAX",
-    "WWE",
-    "ASAP",
-    "DIY",
-    "ETA",
-    "RSVP",
-    "FYI",
-    "LOL",
-    "BRB",
-    "IDK",
-    "BTW",
-    "TMI",
-    "PBJ",
-    "AIDS",
-    "HIV",
-    "ADHD",
-    "COPD",
-    "PTSD",
-    "CHF",
-    "CAD",
-    "TB",
-    "UTI",
-    "GERD",
-    "MRI",
-    "CT",
-    "ECG",
-    "EEG",
-    "CBC",
-    "BMP",
-    "ABG",
-    "PFT",
-    "FOBT",
-    "ENT",
-    "OB",
-    "PCP",
-    "ICU",
-    "NICU",
-    "ER",
-    "OR",
-    "PT",
-    "OT",
-    "EM",
-    "OTC",
-    "NSAID",
-    "IV",
-    "IM",
-    "SC",
-    "PRN",
-    "BID",
-    "TID",
-    "QID",
-    "NPO",
-    "CNS",
-    "PNS",
-    "GI",
-    "GU",
-    "CV",
-    "MSK",
-    "ENT",
-    "BMI",
-    "BMR",
-    "BP",
-    "WBC",
-    "RBC",
-    "HGB",
-    "HCT",
-    "PLT",
-    "ESR",
-    "CRP",
-    "LFT",
-    "TFT",
-    "INR",
-    "MMR",
-    "DPT",
-    "HPV",
-    "Tdap",
-    "BCG",
-    "IPV",
-    "HBV",
-    "HAV",
-    "HCV",
-    "RSV",
-    "SOAP",
-    "DNR",
-    "AMA",
-    "LOS",
-    "EHR",
-    "EMR",
-    "ICD",
-    "CPT",
-    "HIPAA",
-    "HR",
-    "RR",
-    "SpO2",
-    "MAP",
-    "GFR",
-    "A1C",
-    "LDL",
-    "HDL",
-    "TG",
-    "BUN",
-    "SIDS",
-    "DVT",
-    "PE",
-    "ARDS",
-    "SLE",
-    "RA",
-    "TIA",
-    "CVA",
-    "ALS",
-    "MS",
-]

batchalignhk-0.7.20.post1/batchalign/version

@@ -1,3 +0,0 @@
-0.7.20-post.1
-July 21th, 2025
-Some benchmarking anonyms