import os

INTRODUCTION_TEXT = """
# Русский ASR Лидерборд
Добро пожаловать в лидерборд для моделей автоматического распознавания речи (ASR) на русском языке. 
Здесь вы можете сравнить производительность различных моделей по метрикам WER (Word Error Rate) и CER (Character Error Rate) на нескольких датасетах.
Лидерборд сортируется по среднему WER (⬇️ - чем ниже, тем лучше).
Наведите курсор на значение WER в колонке датасета, чтобы увидеть CER.
Все метрики указаны в процентах (%).
"""

METRICS_TAB_TEXT = """
# Метрики
Метрики рассчитываются на текстах в нижнем регистре и без пунктуации.

- **WER (Word Error Rate)**: Ошибка на уровне слов. Рассчитывается как:

$$ WER = \\frac{S + D + I}{N} $$

где S - количество замен, D - удалений,  I - вставок, N - количество слов в референсе.

- **CER (Character Error Rate)**: Ошибка на уровне символов. Аналогичная формула, но для символов:

$$ CER = \\frac{S + D + I}{N} $$

где S, D, I, N - соответственно замены, удаления, вставки и количество символов в референсе.

- **Средние значения**: Простое среднее по всем датасетам.
- Все метрики нормализованы и представлены в процентах для удобства сравнения.
"""

SUBMIT_TAB_TEXT = """
# Отправить результат
Чтобы добавить вашу модель в лидерборд, отправьте JSON с результатами. Метрики должны быть в диапазоне [0, 1] (не в процентах).

Формат:
```json
{
  "model_name": "MyAwesomeASRModel",
  "link": "https://huggingface.co/myusername/my-asr-model",
  "license": "Apache-2.0",
  "metrics": {
    "Russian_LibriSpeech": {
      "wer": 0.1234,
      "cer": 0.0567
    },
    "Common_Voice_Corpus_22.0": {
      "wer": 0.2345,
      "cer": 0.0789
    },
    "Tone_Webinars": {
      "wer": 0.3456,
      "cer": 0.0987
    },
    "Tone_Books": {
      "wer": 0.4567,
      "cer": 0.1098
    },
    "Tone_Speak": {
      "wer": 0.5678,
      "cer": 0.1209
    },
    "Sova_RuDevices": {
      "wer": 0.6789,
      "cer": 0.1310
    }
  }
}
В отчёте обязательно должны быть все датасеты, а именно: Russian_LibriSpeech, Common_Voice_Corpus_22.0, Tone_Webinars, Tone_Books, Tone_Speak, Sova_RuDevices.
После отправки лидерборд обновится автоматически.
"""
REPO_ID = "Vikhrmodels/russian-asr-leaderboard"
HF_TOKEN = os.getenv("HF_TOKEN")
DATASETS = [
    "Russian_LibriSpeech",
    "Common_Voice_Corpus_22.0",
    "Tone_Webinars",
    "Tone_Books",
    "Tone_Speak",
    "Sova_RuDevices",
]
SHORT_DATASET_NAMES = ["RuLS", "CV 22.0", "Webinars", "Books", "Speak", "Sova"]
DATASET_DESCRIPTIONS = {
    "RuLS": {
        "full_name": "Russian_LibriSpeech",
        "description": "Russian LibriSpeech (RuLS) — датасет на основе аудиокниг из общественного достояния от LibriVox, содержащий около 98 часов русской речи с транскрипциями.",
        "num_rows": 1352,
    },
    "CV 22.0": {
        "full_name": "Common_Voice_Corpus_22.0",
        "description": "Common Voice — краудсорсинговый многоязычный корпус речи от Mozilla. Версия 22.0 включает данные русской речи с транскрипциями.",
        "num_rows": 10244,
    },
    "Webinars": {
        "full_name": "Tone_Webinars",
        "description": "Tone_Webinars — датасет русской речи из вебинаров с транскрипциями.",
        "num_rows": 21587,
    },
    "Books": {
        "full_name": "Tone_Books",
        "description": "Tone_Books — датасет русских аудиокниг с транскрипциями.",
        "num_rows": 4938,
    },
    "Speak": {
        "full_name": "Tone_Speak",
        "description": "Tone_Speak — датасет синтетической русской речи с транскрипциями.",
        "num_rows": 700,
    },
    "Sova": {
        "full_name": "Sova_RuDevices",
        "description": "SOVA RuDevices — акустический корпус примерно 100 часов 16kHz живой русской речи, записанной на устройствах, с ручной транскрипцией.",
        "num_rows": 5799,
    },
}