Govorna tehnologija polako prestaje da bude privilegija zapadnih jezika. Hugging Face je na svom blogu objavio da su egipatski i nigerijski engleski dodati na Open ASR Leaderboard, javnu platformu za poređenje performansi modela za automatsko prepoznavanje govora (ASR). Ovo je korak koji menja pravila igre za milione korisnika koji do sada nisu bili adekvatno pokriveni.

Šta je Open ASR Leaderboard i zašto je važan
Open ASR Leaderboard je otvorena tabla koja omogućava istraživačima, inženjerima i kompanijama da uporede kako različiti speech-to-text modeli rade na različitim skupovima podataka. Do sada su dominirali standardni američki i britanski engleski, što je značilo da modeli često loše prolaze kada čuju akcente iz Afrike, Azije ili Latinske Amerike.
Dodavanje egipatskog i nigerijskog engleskog je direktan odgovor na taj problem. Ovi varijeteti imaju svoje specifične fonetske obrasce, intonaciju i rečnik, a modeli obučeni isključivo na zapadnim podacima često prave greške koje korisnicima stvaraju realne probleme — od loše transkripcije do potpuno pogrešnog prepoznavanja komandi.
Globalni jug dobija mesto za stolom
Ovo nije prvi put da Hugging Face širi fokus leaderboarda. Kako se navodi u objavi, nedavno je dodat i prvi jezik iz kategorije Global South, što svedoči o svesnoj strategiji da evaluacija AI modela postane inkluzivnija. Egipatski i nigerijski engleski sada su deo tog talasa.
Za Nigeriju, zemlju sa preko 200 miliona stanovnika i jednim od najvećih tech ekosistema u Africi, ovo je praktično pitanje. Lokalni startapi i developeri sve više grade glasovne asistente, call-centar rešenja i alate za pristupačnost. Kada model ne razume lokalni akcenat, cela usluga gubi smisao.
Egipat ima sličnu priču: ogromno tržište, rastuća IT industrija i sve veća potreba za alatima koji razumeju kako ljudi tamo zaista govore. Dodavanje ovih varijeteta na leaderboard znači da će kompanije moći da donose odluke o modelima na osnovu realnih podataka, a ne na osnovu pretpostavki.
Šta to znači za srpski i region
Iako se vest direktno tiče egipatskog i nigerijskog engleskog, poruka je univerzalna: otvorena evaluacija govornih modela mora da pokrije stvarne korisnike, a ne samo one iz Silicijumske doline. Za srpski jezik i jezike regiona, ovo je podstrek da se i lokalni skupovi podataka i modeli češće prijavljuju na ovakve platforme.
Hugging Face je pritom najavio i srodne inicijative, poput Open TTS Leaderboard za evaluaciju sinteze govora i kloniranja glasa na više jezika. Slika je jasna: ekosistem se kreće ka skalabilnoj, višejezičnoj evaluaciji, a zajednica je ta koja puni tu sliku podacima.
Zašto je ovo više od tehničke vesti
Govorna tehnologija sve više ulazi u svakodnevni život — od glasovnih pretraga i asistenata do automatizovanih prevoda i pristupačnosti za osobe sa invaliditetom. Kada model ne razume akcenat, korisnik je taj koji plaća cenu: biva isključen iz digitalnih usluga koje svi ostali koriste bez razmišljanja.
Zato dodavanje egipatskog i nigerijskog engleskog na javni leaderboard nije samo tehnički update. To je signal da AI zajednica počinje da meri ono što zaista treba da meri — koliko dobro modeli rade za sve ljude, a ne samo za one čiji je akcenat već postao standard.
Detalje i aktuelne rezultate možete pratiti direktno na Hugging Face blogu.