prosody/whisper/hungarian_cer.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false
    }
   },
   "source": []
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false
    }
   },
   "source": [
    "It's better to have Whisper in a separate environment from ESPnet. Also, we use `faster-whisper` as it is not only faster but more stable than the original.\n",
    "```shell\n",
    "conda create -n whisper python=3.10\n",
    "conda activate whisper\n",
    "pip install faster-whisper\n",
    "```\n",
    "before running this.\n",
    "\n",
    "You also need to set the env variable LD_LIBRARY_PATH:\n",
    "\n",
    "```shell\n",
    "conda activate whisper\n",
    "env_loc=$(conda env list | grep '*' | awk '{print $3}' | tr -d '\\n')\n",
    "activator=\"${env_loc}/etc/conda/activate.d/cuda_activate.sh\"\n",
    "echo export LD_LIBRARY_PATH=`python3 -c 'import os; import nvidia.cublas.lib; import nvidia.cudnn.lib; import torch; print(os.path.dirname(nvidia.cublas.lib.__file__) + \":\" + os.path.dirname(nvidia.cudnn.lib.__file__) + \":\" + os.path.dirname(torch.__file__) +\"/lib\")'` > \"${activator}\"\n",
    "chmod +x \"${activator}\"\n",
    "conda deactivate\n",
    "conda activate whisper\n",
    "```"
   ]
  },
  {
   "cell_type": "code",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false
    },
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:00.105026Z",
     "start_time": "2024-07-21T01:48:58.357277Z"
    }
   },
   "source": [
    "from pathlib import Path\n",
    "import os\n",
    "import faster_whisper\n",
    "from tqdm import tqdm\n",
    "import jiwer\n",
    "import re\n",
    "\n",
    "PWD = %pwd\n",
    "PWD = Path(PWD)\n",
    "prosody_dir = PWD.parent\n",
    "outputs_dir = PWD / 'outputs'\n",
    "os.makedirs(outputs_dir, exist_ok=True)\n",
    "asr_dir = outputs_dir / 'CSS10' / 'hungarian'\n",
    "os.makedirs(asr_dir, exist_ok=True)\n",
    "jets_dir = prosody_dir / 'outputs' / 'tts_train_jets_raw_phn_tacotron_g2p_en_no_space/CSS10/hungarian'\n",
    "data_dir = (prosody_dir / '../../datasets/CSS10/hungarian/').resolve()"
   ],
   "outputs": [],
   "execution_count": 1
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:00.108609Z",
     "start_time": "2024-07-21T01:49:00.105938Z"
    }
   },
   "source": [
    "import os\n",
    "ld_lib_path = os.environ['LD_LIBRARY_PATH']\n",
    "assert 'cublas' in ld_lib_path and 'cudnn' in ld_lib_path"
   ],
   "outputs": [],
   "execution_count": 2
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-02T12:26:13.046462Z",
     "start_time": "2024-07-02T12:26:13.043439Z"
    }
   },
   "source": "faster_whisper.available_models()",
   "outputs": [
    {
     "data": {
      "text/plain": [
       "['tiny.en',\n",
       " 'tiny',\n",
       " 'base.en',\n",
       " 'base',\n",
       " 'small.en',\n",
       " 'small',\n",
       " 'medium.en',\n",
       " 'medium',\n",
       " 'large-v1',\n",
       " 'large-v2',\n",
       " 'large-v3',\n",
       " 'large',\n",
       " 'distil-large-v2',\n",
       " 'distil-medium.en',\n",
       " 'distil-small.en',\n",
       " 'distil-large-v3']"
      ]
     },
     "execution_count": 55,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "execution_count": 55
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:05.460175Z",
     "start_time": "2024-07-21T01:49:00.110159Z"
    }
   },
   "source": [
    "model = faster_whisper.WhisperModel(\"large-v2\", device='cuda', compute_type='float16')\n",
    "asr_dir = asr_dir / 'large-v2'\n",
    "os.makedirs(asr_dir, exist_ok=True)"
   ],
   "outputs": [],
   "execution_count": 3
  },
  {
   "cell_type": "code",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false,
     "is_executing": true
    }
   },
   "source": [
    "hungarian_letters = set()\n",
    "with open(data_dir / 'transcript.txt') as f:\n",
    "    for line in f:\n",
    "        hungarian_letters |= set(line.split('|')[2].lower())"
   ],
   "outputs": [],
   "execution_count": null
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-19T07:21:27.694308Z",
     "start_time": "2024-07-19T07:21:27.687371Z"
    }
   },
   "source": "''.join(sorted(hungarian_letters))",
   "outputs": [
    {
     "data": {
      "text/plain": [
       "' !,-.:;?abcdefghijklmnoprstuvwxyzáéíóöúüőű'"
      ]
     },
     "execution_count": 6,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "execution_count": 6
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:05.464158Z",
     "start_time": "2024-07-21T01:49:05.461434Z"
    }
   },
   "source": [
    "def normalize_hungarian(text):\n",
    "    text = text.lower()\n",
    "    text = re.sub(r\"[¡¿…«»“”?!',.:;–-]\", ' ', text)\n",
    "    text = re.sub(r'[^abcdefghijklmnoprstuvwxyzáéíóöúüőű ]', '', text)\n",
    "    text = ' '.join(text.strip().split())\n",
    "    return text"
   ],
   "outputs": [],
   "execution_count": 4
  },
  {
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:05.474472Z",
     "start_time": "2024-07-21T01:49:05.465028Z"
    }
   },
   "cell_type": "code",
   "source": [
    "transcript_file = data_dir / 'transcript_normalized.txt'\n",
    "if not transcript_file.exists():\n",
    "    with open(data_dir / 'transcript.txt') as f:\n",
    "        with open(transcript_file, 'w') as norm_f:\n",
    "            for line in f:\n",
    "                filename, _, transcript, _ = line.split('|')\n",
    "                if transcript:\n",
    "                    transcript = normalize_hungarian(transcript)\n",
    "                    norm_f.write(f'{filename}|{transcript}\\n')\n",
    "\n",
    "def get_transcripts():\n",
    "    transcripts = {}\n",
    "    with open(transcript_file) as f:\n",
    "        for line in f:\n",
    "            filename, transcript = line.strip().split('|', maxsplit=1)\n",
    "            transcripts[filename] = transcript\n",
    "    return transcripts\n",
    "\n",
    "transcripts = get_transcripts()"
   ],
   "outputs": [],
   "execution_count": 5
  },
  {
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-20T15:12:03.365645Z",
     "start_time": "2024-07-20T15:12:03.362314Z"
    }
   },
   "cell_type": "code",
   "source": "filenames = list(transcripts.keys())",
   "outputs": [],
   "execution_count": 6
  },
  {
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:05.477836Z",
     "start_time": "2024-07-21T01:49:05.475669Z"
    }
   },
   "cell_type": "code",
   "source": [
    "whisper_kwargs = {\n",
    "    # 'suppress_tokens': suppress_tokens,\n",
    "    # 'temperature': 0.0,\n",
    "    # 'condition_on_previous_text': False,\n",
    "    'prepend_punctuations': '',\n",
    "    'append_punctuations': '',\n",
    "}"
   ],
   "outputs": [],
   "execution_count": 6
  },
  {
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:05.502377Z",
     "start_time": "2024-07-21T01:49:05.478700Z"
    }
   },
   "cell_type": "code",
   "source": [
    "from num2words import num2words\n",
    "import numpy as np\n",
    "def whisper_transcribe(filepath, kwargs=whisper_kwargs):\n",
    "    segments, _ = model.transcribe(filepath, language='hu', **kwargs)\n",
    "    text = ' '.join(segment.text for segment in segments)\n",
    "    pads = 1\n",
    "    while not text:  # whisper sometimes randomly fails to produce anything\n",
    "        audio = faster_whisper.audio.decode_audio(filepath)\n",
    "        audio_pad = np.pad(audio, (pads * 100, 0), mode='constant', constant_values=0)\n",
    "        segments, _ = model.transcribe(audio_pad, language='hu', **kwargs)\n",
    "        text = ' '.join(segment.text for segment in segments)\n",
    "        pads += 1\n",
    "        if pads == 10:\n",
    "            break\n",
    "    splits = re.split(r'(\\d+)', text)\n",
    "    for i in range(len(splits)):\n",
    "        if re.fullmatch(r'\\d+', splits[i]):\n",
    "            splits[i] = num2words(splits[i], lang='hu')\n",
    "    text = ''.join(splits)\n",
    "    return text"
   ],
   "outputs": [],
   "execution_count": 7
  },
  {
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-20T12:51:26.338872Z",
     "start_time": "2024-07-20T12:51:26.285748Z"
    }
   },
   "cell_type": "code",
   "source": "whisper_transcribe(data_dir / filenames[3052])",
   "outputs": [
    {
     "ename": "NameError",
     "evalue": "name 'filenames' is not defined",
     "output_type": "error",
     "traceback": [
      "\u001B[0;31m---------------------------------------------------------------------------\u001B[0m",
      "\u001B[0;31mNameError\u001B[0m                                 Traceback (most recent call last)",
      "Cell \u001B[0;32mIn[32], line 1\u001B[0m\n\u001B[0;32m----> 1\u001B[0m whisper_transcribe(data_dir \u001B[38;5;241m/\u001B[39m \u001B[43mfilenames\u001B[49m[\u001B[38;5;241m3052\u001B[39m])\n",
      "\u001B[0;31mNameError\u001B[0m: name 'filenames' is not defined"
     ]
    }
   ],
   "execution_count": 32
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:08.031277Z",
     "start_time": "2024-07-21T01:49:08.027512Z"
    }
   },
   "source": [
    "def run_asr(filenames, audio_dir, asr_result_path, kwargs=whisper_kwargs):\n",
    "    with open(asr_result_path, 'w') as f:\n",
    "        for filename in tqdm(filenames):\n",
    "            wav_path = audio_dir / filename\n",
    "            text = whisper_transcribe(wav_path, kwargs)\n",
    "            text = normalize_hungarian(text)\n",
    "            if not text:  \n",
    "                text = whisper_transcribe(wav_path, kwargs)\n",
    "                text = normalize_hungarian(text)\n",
    "                if not text:\n",
    "                    print(f'{filename}')\n",
    "            f.write(f'{filename}|{text}\\n')\n",
    "            "
   ],
   "outputs": [],
   "execution_count": 8
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:08.577012Z",
     "start_time": "2024-07-21T01:49:08.571249Z"
    }
   },
   "source": [
    "audio_dir = Path('/home/perry/PycharmProjects/present/prosody/outputs/tts_train_jets_raw_phn_tacotron_g2p_en_no_space/hungarian')\n",
    "def get_phone_cer(phone):\n",
    "    print('\\n', phone)\n",
    "    phone_dir = audio_dir / phone\n",
    "    fnames = os.listdir(phone_dir)\n",
    "    avg_cer = 0\n",
    "    for fname in fnames:\n",
    "        print(fname)\n",
    "        book = fname.rsplit('_', 1)[0]\n",
    "        orig = transcripts[f'{book}/{fname}']\n",
    "        trans = normalize_hungarian(whisper_transcribe(phone_dir / fname))\n",
    "        print(orig)\n",
    "        print(trans)\n",
    "        cer = jiwer.cer(orig.replace(' ', ''), trans.replace(' ', ''))\n",
    "        print(cer)\n",
    "        avg_cer += cer\n",
    "    avg_cer /= len(fnames)\n",
    "    return avg_cer"
   ],
   "outputs": [],
   "execution_count": 9
  },
  {
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-21T01:49:15.589298Z",
     "start_time": "2024-07-21T01:49:12.630372Z"
    }
   },
   "cell_type": "code",
   "source": "get_phone_cer('u')",
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "\n",
      " u\n",
      "egri_csillagok_2932.wav\n",
      "kardjuk damaszkuszban készült vértjük derbendi acél lándzsájuk hindosztáni mesterkovácsoktól való ágyúikat európa legjobb öntői alkotják meg puskaporuk golyójuk fegyverük mérhetetlen és megszámlálhatatlan\n",
      "kárgyi gámasz kuszban készült vérjük derbindé atszáll lánzsíjük hindustáni mestyárkó vacsoktól való ágyúikat európa legjobb öntői alkotjak meg puskáparók golyójuk fejverjük mérhetetlenné s megszámolhatatlan\n",
      "0.18579234972677597\n",
      "egri_csillagok_4228.wav\n",
      "a szentségben amit itt látunk tudjuk hogy az élő jézus van jelen velünk van boruljunk le és imádkozzunk\n",
      "a szentségben ami itt látunk tudjuk hogy az elo jézus van jelen velünk van boruljunk le és imádkozunk\n",
      "0.046511627906976744\n",
      "egri_csillagok_2315.wav\n",
      "tudod uram szegények vagyunk hát esténkint halásznunk kell hanem az éjjel nemcsak halat fogtunk ahogy kihúzzuk a hálót valami megcsillanik benne\n",
      "tudod múlvam szegények vagyunk hát esténként halasznunk kell hanem az eljönnem csak halatfotónk ahogy hihuzuka halott valami meggyilánnyik benne\n",
      "0.18548387096774194\n"
     ]
    },
    {
     "data": {
      "text/plain": [
       "0.1392626162004982"
      ]
     },
     "execution_count": 10,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "execution_count": 10
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-19T21:21:19.120686Z",
     "start_time": "2024-07-19T21:16:43.375384Z"
    }
   },
   "source": [
    "phones = 'aː ɑ ɑː eː ɛ i iː o oː ø øː u uː y yː b bː c cː d dː dzː dʒ f h j k kː l m n p pː r s t tː ts tsː tʃ tʃː v z ɟ ɟː ɡ ɡː ɲ ʃ ʎ ʒ'.split()\n",
    "phone_cers = []\n",
    "for p in phones:\n",
    "    phone_cers.append(get_phone_cer(p))"
   ],
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "\n",
      " aː\n",
      "egri_csillagok_4342.wav\n",
      "az asszony csapást csapás után oszt a felnyomakodó törökre míg végre lándzsaszúrás találja s elhanyatlik le a bástyáról az állványra nincs már aki elrántsa\n",
      "az a szönycsápás csápás jután oszt a felnyomagadó törökre míg végre láncsasz a rastalolja se lennetlik le a bási rol az alvanyra nincs már aki elrannsak\n",
      "0.20454545454545456\n",
      "egri_csillagok_2407.wav\n",
      "de ez úgy hányja veti magát mint a szultán lova noha az is többet tud nálánál hanem bezzeg mikor egy magánál nagyobb fát lát hajlong mint a kender szélfúváskor\n",
      "de ez úgy nani vették magát mint a szultánlóva nyolga az is többet tudná lennol nálim bezzeg mikor ezs maganol názsopfátlát nálon mint a kender szél füveskor\n",
      "0.2595419847328244\n",
      "egri_csillagok_3826.wav\n",
      "aztán a dárdát ismét bevonják és a fényszárny a másik bástyánál lövell ki az éjszakába dobó a nyugati kapunál megáll az őr tiszteleg\n",
      "aztán ad arra hogy ismét bevonjuk egy szafényszorny a másik básiánól lovil aki az éjszakába dobó anyugati kábanol megöl az úr tisztelj\n",
      "0.2545454545454545\n",
      "\n",
      " ɑ\n",
      "egri_csillagok_3932.wav\n",
      "s előhozatta a maga bombáit amelyekkel egy héten át foglalkozott dobó rátette a kezét a gergely vállára még ne s reggeltől estig szakadatlanul dörögtek az ágyúk és szakadt a halál esője a zarbuzánok félmázsás golyói kapu nagyságú szakadékokat rontottak a falakon\n",
      "cselódózata a mágabombait amelyekkel ezsétén a foglalkozót dobó rátetekezét a gyergévallóra megnent sregéltől estíg szakadatlanul dürötek az a zsukés szakad ablalól esőjét az arbuzánok félműzses golyói kapunásságú szakadékokat rontoták a falakon\n",
      "0.21621621621621623\n",
      "egri_csillagok_2171.wav\n",
      "abul kazem mohamed abdallah fia aki abd el motalleb fia aki hazem fia aki abd menaf fia aki kaszi fia aki kelab fia aki morra fia aki kaab fia\n",
      "\n",
      "1.0\n",
      "egri_csillagok_2974.wav\n",
      "én aki vagyok az anatóliai ahmed basa a hatalmas legyőzhetetlen császár főtanácsosa megszámlálhatatlan és ellenállhatatlan hadának főkapitánya izenem és írom hogy a hatalmas császár ezen a tavaszon két sereget küldött magyarországra\n",
      "én aki vagyokaz anatoli amitbasa adalmas legyőző lehetetlen császár fotonácsosá megszámló lehetetlen és ellenáll lehetetlen dádának fokapitánya izen emlékszi róm dozsa adalmas császár ezen arra veszünk két sereget külült magyarországra\n",
      "0.22772277227722773\n",
      "\n",
      " ɑː\n",
      "egri_csillagok_0340.wav\n",
      "talán a feleséged kérdezik a rabok nem feleli a cigány eddig még egyszer se volt a\n",
      "talán a feleséged kérdézik a rabok nem feleli a cigány eddig még észre sem voltak\n",
      "0.11940298507462686\n",
      "egri_csillagok_1057.wav\n",
      "gergő az a gergő kiáltozták örvendezve gergely a süvegét lengette jobbra balra\n",
      "gergő az a gergő kialtóztak orvindizvet gergé a sűvigétlengete jobbra balra\n",
      "0.19402985074626866\n",
      "egri_csillagok_3451.wav\n",
      "ahun gyün a egy kerek képű vastag asszony ballagott a kapu felől két tejes kupa a kezében a hátán puttony\n",
      "ágondzsín az eskerek képű vastag a szőnba levőt a kapu felol két teljes kupa a kezében a tát anputónk\n",
      "0.29069767441860467\n",
      "\n",
      " eː\n",
      "egri_csillagok_1908.wav\n",
      "arcát a két tenyerébe fektetve könyökölt a térdén a fejében sötét örvénylés forgatta egymásba a két nap történetét\n",
      "arca a két tenyere befektetve künyükolt a tejérdén a fejében sötét úr vénlés forgat az esmésbe a két naptörténetét\n",
      "0.16494845360824742\n",
      "egri_csillagok_1411.wav\n",
      "csak azt akarom kérdezni hogy izé hogy van hogy maga él mért ne élnék felelte vállat vonva a török hát miért ne élnék\n",
      "csak azt akarom kérdezni hogy izé bozsvan kocsmagadil mért nán élnék felelte valak vonva a túrók lát miért nán élnék\n",
      "0.18947368421052632\n",
      "egri_csillagok_2143.wav\n",
      "az én uram és császárom azt óhajtja hogy jános zsigmond őfelségét mindazok az urak kísérjék el akik buda védelmében kitüntették magukat\n",
      "az én rám és császárom azt olyan gózsianos hígmond a felségét mindezókázra kísérjék el akik búd a védelmében kinyitotték magukat\n",
      "0.25217391304347825\n",
      "\n",
      " ɛ\n",
      "egri_csillagok_4059.wav\n",
      "de nem een nem hoztam een egy csepp levelet se s hogy erre dobó szinte átszegezte a tekintetével a homlokát törülgetve ismételte\n",
      "de nem mostanában esetleg velet se sős érvény dobó színtetet szegésztet tekintetével a bomlókat túróilgetve ismételtet\n",
      "0.35514018691588783\n",
      "egri_csillagok_1087.wav\n",
      "az egyik magyar menyecskének elesett abban az időben az ura hát a török összemelegedett vele aztán elvette feleségül persze előbb megkeresztelkedett\n",
      "az egyik mazsar mennyit kének elösset abban az időben az urapát a túrók közszemelegedett vele aztán elvette fel a ségül persze előbb megeresztelkedett\n",
      "0.125\n",
      "egri_csillagok_2978.wav\n",
      "a hatalmas és legyőzhetetlen császár akaratából intelek titeket hogy őfelségének ellene szegülni ti se merjetek hanem engedelemre hajoljatok s amely basát én küldök beeresszétek eger várát és városát neki átadjátok\n",
      "adatalmas és lezsős ületetlen császór akár a tabol intellektíteket gózs a felségének ellen és szegénynek tísetmérjetek hánem engedelömre álljátok sáményi basát énküldök bérre szétek egervárat és városat neki adjátok\n",
      "0.24324324324324326\n",
      "\n",
      " i\n",
      "egri_csillagok_2454.wav\n",
      "de gondolkodj te is az az ember aki debrecent szigetvárt és vajdahunyad várát mondja a magáénak s aki azokon túl még ura egy királyi birtoknak csaknem az egész dunántúlnak az bizony könnyen kifizeti neked még azt a kilencvenkilencezer aranyat is akárha a fele vagyonától kell is megválnia\n",
      "de gondolkodta is az az ember aki debrecent sziget volt és vajdán hülye várat mondja amagáénak sáki azokon től még rá is kéréljék bírtoknak csaknem az egész dünán tőlnek az bizony könyén kifizeti neked még azt a kilencvenkilenc ezért aranyat is sákor a fele vagyanától kell is megvallniak\n",
      "0.1652892561983471\n",
      "egri_csillagok_2525.wav\n",
      "akkor az egyik fiatal olasz az a leányképű elveszi tőle a búzás kosarat és azt kiáltja a baromfiaknak pi pi pi pitye pitye pitye pityikém pityikém\n",
      "akkor az egyik fiatal a lassz az elején helybúj elviszi töle a búzás kosarat és az kialtja a barom fiatnak pi pi pi piki piki piki piki kém piki kém\n",
      "0.24793388429752067\n",
      "egri_csillagok_2171.wav\n",
      "abul kazem mohamed abdallah fia aki abd el motalleb fia aki hazem fia aki abd menaf fia aki kaszi fia aki kelab fia aki morra fia aki kaab fia\n",
      "abol kazim monamed abdallah fia akiabd elmodalib fia aki wazim fia akiabd mena fia aki kasi fia aki keleb fia aki morra fia aki kab fia\n",
      "0.10526315789473684\n",
      "\n",
      " iː\n",
      "egri_csillagok_2077.wav\n",
      "a trónus mögött nagy bíborszőnyeg az ország aranyfonállal szőtt címerével az országos címer belsejében megint egy kis címer\n",
      "a trón ismogott nagybibor szőnyék az ország arányfonal alszett szímerével az ország a szímer belsőjében megint eskís szímer\n",
      "0.18867924528301888\n",
      "egri_csillagok_3983.wav\n",
      "majd megtanítom én őt mi a késedelem egy puttonyos ember sietett föl mellettük a kőmívesvízzel dobó félreállt s fölkiáltott a kőmíveseknek\n",
      "majd megtanítom én hogy mi a késődélem egy plutónus ember sietett fölmelletik a komi vésvízzel dobó félreált s fölkialtót a komi vészeknek\n",
      "0.2033898305084746\n",
      "egri_csillagok_4242.wav\n",
      "bízom a fegyverünkben bízom a lelkünk erejében bízom szűz máriában aki magyarország patrónája bízom szent istván királyban akinek a lelke vele van mindig a magyar nemzettel és legjobban bízom magában az istenben\n",
      "bízom a fezsverénkben bízom a lelkünk kérjében bízom szűzmáriában aki magyarország patrónája bízom szent istván kiréban akinek a lelke vele van mindig a magyar nemzetel és legióban bízom magaban az istenben\n",
      "0.07777777777777778\n",
      "\n",
      " o\n",
      "egri_csillagok_2384.wav\n",
      "de micsoda bolond vagyok én folytatta jancsi maskarának öltözve lopakodok be hozzá holott rendes úton is meglátogathattam volna\n",
      "micsoda balondvázsokén folytatás jártsi máskáranak oltizvet lopakodók betmózza való trendes sütőn ismeglátogatnátam volna\n",
      "0.2909090909090909\n",
      "egri_csillagok_1985.wav\n",
      "annak az arca halavány volt és szomorú csak akkor mosolyodott el amikor lehajolt és a bölcsőbe nézett de a mosolygása is szomorú volt annak\n",
      "annak az arca vállavan volt is szomorú csak akkor most jutott el amikor lenne jöttés a volt súly bennézet derd most újra is szomorú volt annak\n",
      "0.27586206896551724\n",
      "egri_csillagok_4070.wav\n",
      "a két kocsmáros is odasorakozott a molnárok az ácsok a mészárosok a belső munkás parasztok mind fegyveresen várták a parancsot\n",
      "a két kocsmáros is odásorágozott a múlnárok a zacsok a mészárosok a belső munkásparasztok mén fezsveresen vartak a parancsot\n",
      "0.102803738317757\n",
      "\n",
      " oː\n",
      "egri_csillagok_2448.wav\n",
      "egy hajóra mely a parton áll és narancsszínű zászlót lenget lehet az a hajó gabonaszállító hajó is bárka is csónak is nincs olyan sok errefelé\n",
      "ezrejóra mely a parton a lésnarancs színi zászló lengett lehetet az álló gábonászolító álló is bárka is csonak is nincs olyan sok érefele\n",
      "0.22033898305084745\n",
      "egri_csillagok_3871.wav\n",
      "dobó magához szólította gergelyt fölmentek mind a hárman a palotába ott dobó kivonta az íróasztal fiókját és gergelyhez fordult\n",
      "dobó magadó szólítóta a gyergét fölmentek mind anármán apálótába ott dobó kívonta az iró asztalfiókjött és gyergéhoz fordult\n",
      "0.21100917431192662\n",
      "egri_csillagok_1696.wav\n",
      "szólt síróra lágyult hangon a török te jó ember vagy sokat gondolkoztam rólad mindig az volt a vége hogy példátlan a te szíved jósága\n",
      "szólt síróra lázsiltamangon a török tedd jó ember vázs sokat gondolkoztam rólad mindig az volt a véget bozs példatlan a tetszived jó saga\n",
      "0.16363636363636364\n",
      "\n",
      " ø\n",
      "egri_csillagok_1753.wav\n",
      "a török árkot akar ugratni hogy letérjen a mezőre a ló elcsúszik a török végighömpölyödik a földön\n",
      "a túrók karkót akár ugratni bozsletérien a mezőre aló elcsúszik a túrók végigömpülik a foldon\n",
      "0.23170731707317074\n",
      "egri_csillagok_3925.wav\n",
      "a török akkor már királyszékét is elözönlötte sátorok és boncsokok s közte a tarka hadi nép bözsgött nyüzsgött mindenfelé a vár körül\n",
      "a túrók akkormarkírói székét is előzőn lőték sátorók és bóncsokok s köztetarkabádi nép búzsgatni ugye minden fele avar kórió\n",
      "0.2857142857142857\n",
      "egri_csillagok_2557.wav\n",
      "mikor a török elfoglalta budát s mink a királynéval lippára költöztünk köszönöm mondja örömmel a diák\n",
      "mikor a túró elfoglalta a buddhatt smink a kiréneival lépóra koltozjunk köszönöm mondja orrommel adják\n",
      "0.27906976744186046\n",
      "\n",
      " øː\n",
      "egri_csillagok_4288.wav\n",
      "befelé terjengő nehéz füstfelhők már hozzák az első sebesülteket vértől fekete saroglyán hozzák az elsőt\n",
      "befele terjengő nene is füstfeldök margózak az első sebesülteket vértölfeketet sárgyandózak az elsőt\n",
      "0.24444444444444444\n",
      "egri_csillagok_3614.wav\n",
      "eger mióta a puskaport feltalálták a világ leglövöldözőbb városa itt ma se képzelhető majális tűzoltóvigalom választás dalkörünnep kerti mulatság műkedvelői előadás hogy előtte ne ágyúznának\n",
      "eger mióta a puskáport feltalálták a világ leglóvoldozott várossá itt ma se képzelhető ma jelis tűzoltó vigalom valásztás dalkorénep kerti múlátság működvelői előállás gózs előttét nán ázsüznának\n",
      "0.1927710843373494\n",
      "egri_csillagok_4309.wav\n",
      "a nap ki kisüt a felhőkből és füstből az idő borzongató őszi hűvős volna hej de kánikula mégis a küzdőknek\n",
      "a napkíj kísért a felolokból és füstból az idő borzongató a szík tújvövös volna nej de a kánikulat mégis a küzdöknek\n",
      "0.26436781609195403\n",
      "\n",
      " u\n",
      "egri_csillagok_2932.wav\n",
      "kardjuk damaszkuszban készült vértjük derbendi acél lándzsájuk hindosztáni mesterkovácsoktól való ágyúikat európa legjobb öntői alkotják meg puskaporuk golyójuk fegyverük mérhetetlen és megszámlálhatatlan\n",
      "kárzsuk damaszkusz bankészült vérjük dérbindy aszél lanzsa jukindusztani mesterko vacsoktól való azsvikat európa legyob öntöri akocsak meg puskáborúk golyójuk fesvérjük mérletetlenés megszamló ládatlan\n",
      "0.22404371584699453\n",
      "egri_csillagok_4228.wav\n",
      "a szentségben amit itt látunk tudjuk hogy az élő jézus van jelen velünk van boruljunk le és imádkozzunk\n",
      "a szentségben amit itt látunk tudjuk bozsász élő jézusvon jelen velünk von boruljunk le és simán közünk\n",
      "0.13953488372093023\n",
      "egri_csillagok_2315.wav\n",
      "tudod uram szegények vagyunk hát esténkint halásznunk kell hanem az éjjel nemcsak halat fogtunk ahogy kihúzzuk a hálót valami megcsillanik benne\n",
      "tudod úram szegények vagyunk hát esténkintálasz nünk kell lányom az éljelnem csak talatfotunk a dozsgi hűzük a gállót valami meggyilánik benne\n",
      "0.20161290322580644\n",
      "\n",
      " uː\n",
      "egri_csillagok_3629.wav\n",
      "a kasok hézagaiban új tizenkét ágyú az ágyúk körül új topcsik és új agák\n",
      "a kásokvézegőben újítézinkét a zsú az a zsúkórió újítópcsikés újagok\n",
      "0.3728813559322034\n",
      "egri_csillagok_1001.wav\n",
      "az egyik egy beretvált arcú fekete köpenyeges sovány ember bizonyosan pap a másik egy alig tizenhat éves hosszú hajú úrifiú\n",
      "az egyik esberet volt arcú fekete köpeníges sovanyember bizonyosan pap a másik ezs alig tízen nát éves hosszú eljúgó refiú\n",
      "0.15384615384615385\n",
      "egri_csillagok_0977.wav\n",
      "te hát szólt török bálint hanem úgy húztad mint a répát szokás úgy húztam úgy húztam hát hogy húztam volna másképp\n",
      "tehát pár szólt török balint nánim úgy júztad mint a répet szokás úgy júztam úgy júztam látva úgy júztam volna másképp\n",
      "0.1702127659574468\n",
      "\n",
      " y\n",
      "egri_csillagok_2783.wav\n",
      "én ugyan mondtam az öregnek hogy ne küldjük el a feleségünket de ő úgy félti az ő sáráját mint valami gyereket hát elküldtük őket elég gondunk lesz a törökkel is\n",
      "én ugyan mondtam az öregnek hogy ne küzdjük el a feleségénket de a hús fejleti az összsárját mind valami gyereket kát elküldtük köket elég gondunk lesz a túrókkel is\n",
      "0.15151515151515152\n",
      "egri_csillagok_3287.wav\n",
      "megesküdtem ma a tebbivel hogy nem hagyom el a várat de hiszen nem arra esküdtünk arra esküdtünk hogy megvédelmezzük\n",
      "megeskültem ma a tebivel most nem megyem el a várat de iszennem arra eskültünk arra eskültünk most megvédelmezzük\n",
      "0.14285714285714285\n",
      "egri_csillagok_3116.wav\n",
      "esküszünk esküszünk dobó ismét föltette sisakját és leült hát testvéreim\n",
      "esküszünk esküszünk dobo ismét foltette csisakjat és lelött hát testvérim\n",
      "0.12698412698412698\n",
      "\n",
      " yː\n",
      "egri_csillagok_2006.wav\n",
      "mekkora gyűrű de szép és hogy egy ujján csak lötyögött a gyűrű két ujját dugta bele\n",
      "mekkorágyúri deszépe és sós és jöjjöncsaklótigart ágyúri két hülye dőtabellet\n",
      "0.4411764705882353\n",
      "egri_csillagok_1973.wav\n",
      "a fal az udvaron tele volt nagy nehéz vasgyűrűvel a gyűrűk arra valók hogy a lovat hozzájuk kössék akik ott járnak\n",
      "a fal az üdváron tel a voltnagy nene is vásárorivel a gyűrűk a rávalók mozsa lovatkoző kussék akikót jarnak\n",
      "0.2872340425531915\n",
      "egri_csillagok_2653.wav\n",
      "a gyűrű a gyűrű még csak papirosba se takarta s akkor mint a felhőn átcikázó villám egy név villant fel az agyában\n",
      "ágyújrói ágyújrói megcsak papírosba se takarta sakor minta fellőn acikazo villam ezsné villant fel az a zsaban\n",
      "0.26881720430107525\n",
      "\n",
      " b\n",
      "egri_csillagok_3214.wav\n",
      "mekcsey uram bízik dobóban meg bornemisszában ezek meg bíznak mibennünk meg a falakban hát én is megmondom miben bízom\n",
      "megcsináltam hogy a rambizikdobóban megbórnám egy szövetséget ezek megbíznak miben én kmegafalakban lát én is megmondom miben bízom\n",
      "0.3\n",
      "egri_csillagok_3929.wav\n",
      "amint az első bombák behulltak és sustorogva ugrálva szórták a vörösen szikrázó tüzet maga dobó is vizes bőrt ragadott és ráborult a bőrrel együtt egy olyan bombára\n",
      "amint az első bombak bedultak és süstorolva ugralva szortak a vúrósön szikrazó tűzet magadobó isvízés búr tragadót és ráborult a búr el ezsrit ezs olyan bomba rak\n",
      "0.2028985507246377\n",
      "egri_csillagok_4242.wav\n",
      "bízom a fegyverünkben bízom a lelkünk erejében bízom szűz máriában aki magyarország patrónája bízom szent istván királyban akinek a lelke vele van mindig a magyar nemzettel és legjobban bízom magában az istenben\n",
      "bízom a fezsverénkben bízom a lelkünk kérjében bízom szűzmáriában aki magyarország patrónája bízom szent istván kiréban akinek a lelke vele van mindig a magyar nemzetel és legióban bízom magaban az istenben\n",
      "0.07777777777777778\n",
      "\n",
      " bː\n",
      "egri_csillagok_2584.wav\n",
      "ha előbb jön előbb adom a ruhát ha előbb adom a ruhát előbb megtalálom benne ezt a rajzot szegény uram éppen oda ment egerbe\n",
      "tá elob jön elob adom a rúgat dá elob adom a rúgat elob megtal alom benne ezt a rajzot szegényirám éppen odament egerbe\n",
      "0.2079207920792079\n",
      "egri_csillagok_0166.wav\n",
      "a parasztok buzgóbban nyírták a birkát a kutyák is távolabb húzódtak még a ház is mintha lejjebb csúszott volna a parton\n",
      "a parasztók búzgóban nyírtak a bírkat a kuyak is távolabb júzottak még a rázi sminta lejjebb csúszott volna parton\n",
      "0.14\n",
      "egri_csillagok_2349.wav\n",
      "mekcsey a legvállasabb gergely a legnyúlánkabb jancsi a legfeketébb szemű éva dióolajjal volt megbarnítva\n",
      "meccse a legvalahab gyerge a legnyilankab jancsi a legfeketeb szemui éj vadió a legyóval megbarni vak\n",
      "0.30434782608695654\n",
      "\n",
      " c\n",
      "egri_csillagok_4101.wav\n",
      "majd ahogy a tömlöcbástya felől visszatér látja hogy ott szünetel az ostrom odakiáltja a földbástyára a tömlöcbástya népét\n",
      "majd adózsatom lőtt basja felol visszatér látsa gózsot szünetel az ostrom odagyoltja a föld basjuratom lőtt basja népét\n",
      "0.3142857142857143\n",
      "egri_csillagok_4329.wav\n",
      "hátul a java kiáltja s leereszti a sisakrostélyt és a kardját kirántja rohan ő is a tömlöcbástyára\n",
      "hátul adjába kijeltye slayeresti a csísekröstét és a kárcsat hírantja róván ő is átomlódva sűrű\n",
      "0.43902439024390244\n",
      "egri_csillagok_2525.wav\n",
      "akkor az egyik fiatal olasz az a leányképű elveszi tőle a búzás kosarat és azt kiáltja a baromfiaknak pi pi pi pitye pitye pitye pityikém pityikém\n",
      "akkor az egyik fiatal a lassz az elején helybúj elviszi töle a búzás kosarat és az kialtja a barom fiatnak pi pi pi piki piki piki piki kém piki kém\n",
      "0.24793388429752067\n",
      "\n",
      " cː\n",
      "egri_csillagok_4280.wav\n",
      "és évának az agg félnyomorék apja is itt van sokszor látja őt végigbaktatni a palota útján a vállán akkora íj mint ő maga\n",
      "és a vannak azok félni múlik apja is itt van sokszorulatja ötvégi gattatni apalóta utcán a vallan akar rá így mint ő maga\n",
      "0.26262626262626265\n",
      "egri_csillagok_0241.wav\n",
      "sárga a kendője piros a szoknyája öltöztetjük ringatgatjuk táncoltatjuk altatgatjuk\n",
      "sárga akendője pírósra szoknyője altisztitjuk ríngatgatjuk táncoltatjuk altatgatjuk\n",
      "0.14864864864864866\n",
      "egri_csillagok_3731.wav\n",
      "hívatja tolmácsnak bornemisszát ül egy rúdon lógó páncél mellett a törököt még csak meg se láncoltatja hogy hívnak\n",
      "vív a csatolmocsnak bornemész sött lélt ezsrúdon logo panszél millett a túróköt megcsak megsert lánszoltát csak bózsírívnak\n",
      "0.3711340206185567\n",
      "\n",
      " d\n",
      "egri_csillagok_1126.wav\n",
      "a te gondolatod és érdemed ha az a koronás fenevad ma a pokolba repül de a te gondolatodnak veszedelme is van\n",
      "a te gondolatod és érdemed ha a zakaróna s fenevad ma a pokolba repül de a te gondolatodnak veszed el mi is van\n",
      "0.0449438202247191\n",
      "egri_csillagok_3226.wav\n",
      "s ha majdan századok múlva az örök földi béke mohája zöldellik e vár maradványain levett kalappal járhasson majd itt az utánunk jövő századok fia s büszke érzéssel mondhassa a mi apáink küzdöttek itten áldott legyen a poruk is\n",
      "s a májdán századok múlva az örök foldi békét modaja zoldelik evarmar advanin levét kalapal jármáson majd ít az utánünk jövő századok fia s büszke érzéssel mondássa ami apin küzdetek íten aldott lezsen aporuk is\n",
      "0.17989417989417988\n",
      "egri_csillagok_3786.wav\n",
      "jól tetted felelte dobó a kezét nyújtva a vár népét nem szabad aggodalmakkal nehezítenünk de mármost én is megmondom neked amit a kurd piad se tudott\n",
      "jóltetett felelte dobo a kezét nyújtva a várné pét nem szabad a gódomakon nenezít enik de már most én is megmondom neked amit akúrd piac se tudod\n",
      "0.14516129032258066\n",
      "\n",
      " dː\n",
      "egri_csillagok_0736.wav\n",
      "irgalmazz kegyelmezz meg nekem vedd el mindenemet és tégy raboddá az eb nem olyan hű mint én leszek hozzád\n",
      "érgalmaz kezselmez megnekem ved elméndenemet és tézs raboda az ebnem olyandui mindtén leszekó zöld\n",
      "0.2159090909090909\n",
      "egri_csillagok_1716.wav\n",
      "az egyik papiros azt mondja hogy gyermeket és nőt ne illess addig se kezeddel se fegyvereddel míg nagyúr nem leszel\n",
      "az ezsik kábirós oszmonzsa bozsgyermeket és nőtne illes arig se kezedel se fezsveredel míg nagyon nem leszel\n",
      "0.23958333333333334\n",
      "egri_csillagok_0767.wav\n",
      "arra kérnélek vidd el magaddal ezt a kisfiút és mihelyest lehet küldd át nekem török bálinthoz sziget várába szívesen\n",
      "a rakérnélek víd elmagadal ezt a kisfiút és mire is lezett kéld hogy nekem török balintos sziget vár rába szívesen\n",
      "0.20202020202020202\n",
      "\n",
      " dzː\n",
      "egri_csillagok_0569.wav\n",
      "a falubelieknek nem kellett sok biztatás a faluban már valami öt helyen kígyódzott a füst az ég felé\n",
      "a falubelieknek nem kellett sok biztatás a faluban már valami ütnejen ki zsódzót a füst az égfele\n",
      "0.12048192771084337\n",
      "egri_csillagok_0009.wav\n",
      "azonban hogy a parthoz érnek gergő belefogódzik a kákabokor zöld üstökébe és aggodalmasan néz körül jaj a szürke\n",
      "azonban nózsa partnóz érnek gergó bela fogodzi kakába korzol düstükébe és sagó dalmasa néz körüljai a szűrköp\n",
      "0.23157894736842105\n",
      "egri_csillagok_3427.wav\n",
      "itt vannak a ruhái is itt a sapkája piros itt a dolmánya ez is piros ki látott már ilyen bugyogót madzag van az alján össze lehet húzni mint a zacskót szokás\n",
      "így vannak a rúhvís így a csapkája piros így a dolmanya ez is piros ki látott már ilyen búzsagot madzag van az alján össze lehet győzni mint a zártkót szokás\n",
      "0.2047244094488189\n",
      "\n",
      " dʒ\n",
      "egri_csillagok_3675.wav\n",
      "egy ügyes legény handzsárt és sárgadinnyét dob fel a magasba először elkapja a handzsárt utána meg a handzsár hegyén a dinnyét látható hogy fogadásból játszik\n",
      "és ízléslegényi ángyort és sárgarényi dobfel amagasba előszőr elkepje a mángyort utána meg a hángyorszázsén adényét látnátok kösfogadásból jösszük\n",
      "0.3656716417910448\n",
      "egri_csillagok_3704.wav\n",
      "dobó aggódva látja hogy a kis utcákból hogyan rohannak még mindig az akindzsik és a dzsebedzsik a többi török segítségére tüzet kiált a falon megdördülnek a puskák és megpendülnek az íjak\n",
      "dobó agód vatlat csapó zsaki sütszáppól lózsvon róvan napmég míndi gazakindzsik és zsebezsik a többi török segítségére tüzet hiált a falon meggyórdílnek a puskak és megpendílnek az ilyak\n",
      "0.2356687898089172\n",
      "egri_csillagok_3765.wav\n",
      "az volt a szerencsénk hogy éppen a vértes dzsebedzsik állottak ottan különben átvagdalkoztak volna az egész seregen dobó vállat vont a dzsebedzsik\n",
      "az volt a szerencsénk bózs éppen a vértis jebezsik a lotak otan különben a dvagdalkoz takvolna az egész seregen dobó vallatvont a jebezsik\n",
      "0.16\n",
      "\n",
      " f\n",
      "egri_csillagok_4404.wav\n",
      "a mellében nyílvessző állott asszonyok futnak lihegve a pince felől a fejükön fakupák a kezükben sajtár vagy füles fazék\n",
      "a mellében nyíl vissza jó a lót azt szónyogfutnak létegve a pince felol a fejükön fakapak a kezükben sejtőrvás füles faszék\n",
      "0.21568627450980393\n",
      "egri_csillagok_3118.wav\n",
      "a falak védelmére nem egyforma beosztás kell mert a város felől meg az új bástya felől sík a föld és völgyes a keleti meg az északi bástyák felől vannak a dombok meg a hegyek\n",
      "a falak védelmére nem is forma de azt is kell mert a város felol meg az újbastya felol sík afold és völzsös a keleti meg az éjszaki bástyak felol vannak a dombok meg a tezsek\n",
      "0.14184397163120568\n",
      "egri_csillagok_2171.wav\n",
      "abul kazem mohamed abdallah fia aki abd el motalleb fia aki hazem fia aki abd menaf fia aki kaszi fia aki kelab fia aki morra fia aki kaab fia\n",
      "abol kazim monamed abdallah fia aki abd elmodalib fia aki azim fia aki abmenna fia aki kasi fia aki keleb fia aki morra fia aki kab fia\n",
      "0.12280701754385964\n",
      "\n",
      " h\n",
      "egri_csillagok_1879.wav\n",
      "néha azonban a szultán hátra is fordult és hol petrovichhoz hol török bálinthoz hol a fiaihoz szólott a rabok mindnyájan leborultak a szultán előtt\n",
      "néma azonban a szultándatra is fordult és a petrovitároz hol török balintoz hol afidos szólót a rabokményén leborultak a szultán elót\n",
      "0.20161290322580644\n",
      "egri_csillagok_3655.wav\n",
      "ashádu anna la iláha ill allah ashádu anna muhammad rászulu allah heija alassalah heija alalfalah\n",
      "asjadu anna lailadailallad asjadu anna bunamadrasiluallad eia alassalad eia alufalad\n",
      "0.27710843373493976\n",
      "egri_csillagok_1278.wav\n",
      "ha eső lesz pihennek két három napot lehet hogy egy hetet is de hátha nem lesz eső a forróság miatt is pihennek\n",
      "tár eső lesz pír énnek kétharom nábot lelet bózs ezsveret isyde tátra nem lesz eső a forrósadmiat is pír énnek\n",
      "0.3\n",
      "\n",
      " j\n",
      "egri_csillagok_1107.wav\n",
      "így felkönyököl a fejét féloldalt fordítja és olyan pajkosan mosolyog de olyan pajkosan hogy olyat ember még nem látott\n",
      "ís felkanyakul a fejét feloldalt fordítsa és olyan pakosan mosolyog de olyan pakosan hogy olyat ember megnem látott\n",
      "0.09900990099009901\n",
      "egri_csillagok_0571.wav\n",
      "jumurdzsák már ült csak ájult volt a dobó golyója éppen a szíve fölött horpasztotta be a páncélját\n",
      "jó mórják már jölt csak a jölt volt a dobo golyója éppen a szíve fölött tőrpastotra be a páncéjéért\n",
      "0.21951219512195122\n",
      "egri_csillagok_1531.wav\n",
      "a zseben lyukat szakított az ujjával s oda bocsátotta le azután újra a térdére kiterjesztett rajzok fölé hajolt a pap él még\n",
      "a jeben jukatszakitót azujjaval soda bocsátótállát azután ujjara teherdére kiterjesztet rágzók follé ájolt a papélmé\n",
      "0.27184466019417475\n",
      "\n",
      " k\n",
      "egri_csillagok_3345.wav\n",
      "a szőnyegeket aranyos boncsokokat drágaköves kutaszokat lófarkú lónyakdísz lószerszámokat sisakokat fegyvereket főzőedényeket és mindent ami a kezükbe akadt\n",
      "a szönyigeket aranyos boncsókokat dragakovics kutaszokat lófarkú lónyatis lószér szamokat sisakokat fezsvereket fuzwidényeket és mindent ami a kezült beakat\n",
      "0.1510791366906475\n",
      "egri_csillagok_2454.wav\n",
      "de gondolkodj te is az az ember aki debrecent szigetvárt és vajdahunyad várát mondja a magáénak s aki azokon túl még ura egy királyi birtoknak csaknem az egész dunántúlnak az bizony könnyen kifizeti neked még azt a kilencvenkilencezer aranyat is akárha a fele vagyonától kell is megválnia\n",
      "de gondolkodta is az az ember aki debrecent sziget volt és vajdán hülye várat mondja amagáénak sáki azokon től még rá is kéréljék bírtoknak csaknem az egész dünán tőlnek az bizony könyén kifizeti neked még azt a kilencvenkilenc ezért aranyat is sákor a fele vagyanától kell is megvallniak\n",
      "0.1652892561983471\n",
      "egri_csillagok_0523.wav\n",
      "az ágynemű és bútorhalmok között tehenek kecskék és disznók futkostak ludak gágogtak kacsák bukdácsoltak és tyúkok szaladgáltak\n",
      "az ázsnemű és bútoréomok között tennének kecskék és disznók futkosság ludakgávuták kacsakbukacsolták és jukokszalaggalták\n",
      "0.22522522522522523\n",
      "\n",
      " kː\n",
      "egri_csillagok_1739.wav\n",
      "ekkor azonban harangkondulásként üt a szívébe a dobó istván szava az a fő hogy ne féljünk gyermekkorától nem látta dobót\n",
      "ekkor azonban marad kondolasként hogy a szívei beadóba istván szava az a fol bozsná féljénk zsér mekoratolnám lát a dobót\n",
      "0.27722772277227725\n",
      "egri_csillagok_0577.wav\n",
      "feleli a török bágyadozva sakk sakk sekk matt kérdezi nyögve a török\n",
      "feléli a túrók bázsározva sák sák sek mat kérdezi nyugveltúrók\n",
      "0.2982456140350877\n",
      "egri_csillagok_3708.wav\n",
      "nem tartott negyedóráig a viadal de a templom tér a piac és a káptalan utca holtakkal sebesültekkel és sántító lovakkal maradt tele\n",
      "nem tartott nezsidóraig a viadal de a templomtér a piac és a kaptalan utcaoltakal sebesültekkel és sánditó lovákkal maradt tele\n",
      "0.09090909090909091\n",
      "\n",
      " l\n",
      "egri_csillagok_3614.wav\n",
      "eger mióta a puskaport feltalálták a világ leglövöldözőbb városa itt ma se képzelhető majális tűzoltóvigalom választás dalkörünnep kerti mulatság műkedvelői előadás hogy előtte ne ágyúznának\n",
      "eger mióta a puskáport feltalálták a világ leglóvoldozott várossá itt ma se képzelhető ma jelis tűzoltó vigalom valásztás dalkorénep kerti múlátság működvelői előállás gózs előttét nán ázsüznának\n",
      "0.1927710843373494\n",
      "egri_csillagok_3153.wav\n",
      "dobó mellett jobb felől bálint pap ült bal felől cecey a pap mellett pető petőt különben is meg kellett becsülni azzal a hellyel\n",
      "dobó mellett jobb felolbalint papílt bal felolt szeci a pap mellett pető hetőt különben isme kellett betűni az alatt éjjel\n",
      "0.19811320754716982\n",
      "egri_csillagok_1658.wav\n",
      "a csörrenésre gergely fölnyitotta a szemét s bámulva látta hogy nem a török bálint asztalánál ül hanem a csillagos ég alatt fekszik s előtte nem zrínyi áll hanem egy széles vállú török\n",
      "a csúr inésre gergé fülnyitotta szemét svámulvátlata kózsnem a török balint asztalonoljul hánem a csillagos egalatt fekszik s előtti nemzréni olol mánem es széles valló török\n",
      "0.22875816993464052\n",
      "\n",
      " m\n",
      "egri_csillagok_4013.wav\n",
      "de hogy az az egy sor olyan igazi pogányos volt nem állhattam meg hogy kegyelmednek meg ne mondjam dobó sem azt nem mondta mondd sem azt hogy ne mondd\n",
      "de bócsász az esőr olyan igazi poganyos volt nem aldatom meg bócskesül mint nekt meg ne mondjam dobo sem azt nem mondta mondd sem azt bócsne mondd\n",
      "0.2540983606557377\n",
      "egri_csillagok_3113.wav\n",
      "esküszöm hogy ott leszek minden veszedelemben veletek esküszöm hogy a várat pogány kezére jutni nem engedem sem a várat sem magamat élve meg nem adom\n",
      "esküszöm bózsa ott leszek minden veszedelemben veletek esküszöm bózsa várat pogany kezére jutni nem engedem sem a várat sem magamat élve megnemedem\n",
      "0.096\n",
      "egri_csillagok_2715.wav\n",
      "no csakhogy megismertél meg meg hogyne ismertem volna meg csókolom azst a kedves lábát mindjárt megismertem csak azst nem tudtam hogy kicsoda\n",
      "nó csak az megismertél meg meg rózsina ismertem volna meg csókolom azt akedves lábat mindzsort megismertem csak azt nem tudtam bózs kitudok\n",
      "0.21666666666666667\n",
      "\n",
      " n\n",
      "egri_csillagok_2454.wav\n",
      "de gondolkodj te is az az ember aki debrecent szigetvárt és vajdahunyad várát mondja a magáénak s aki azokon túl még ura egy királyi birtoknak csaknem az egész dunántúlnak az bizony könnyen kifizeti neked még azt a kilencvenkilencezer aranyat is akárha a fele vagyonától kell is megválnia\n",
      "de gondolkodta is az az ember aki debrecent sziget volt és vajdán hülye várat mondja amagáénak sáki azokon től még rá is kéréljék bírtoknak csaknem az egész dünán tőlnek az bizony könyén kifizeti neked még azt a kilencvenkilenc ezért aranyat is sákor a fele vagyanától kell is megvallniak\n",
      "0.1652892561983471\n",
      "egri_csillagok_0200.wav\n",
      "de mégiscsak ferdinánd küzdött jobban ellene nem inkább jános ferdinánd csak török bálintnak izent hogy segítsen jánosnak meg ötven bányászt küldött\n",
      "de meg is csak ferdinand küzdőt jobban ellen nem inkább jános ferdinand csak törökbalintnak ízünt kós segítsen jánosnak meggutvinbánysz köldöt\n",
      "0.15625\n",
      "egri_csillagok_4242.wav\n",
      "bízom a fegyverünkben bízom a lelkünk erejében bízom szűz máriában aki magyarország patrónája bízom szent istván királyban akinek a lelke vele van mindig a magyar nemzettel és legjobban bízom magában az istenben\n",
      "bízom a fezsverénkben bízom a lelkünk kérjében bízom szűzmáriában aki magyarország patrónája bízom szent istván kiréban akinek a lelke vele van mindig a magyar nemzetel és legióban bízom magaban az istenben\n",
      "0.07777777777777778\n",
      "\n",
      " p\n",
      "egri_csillagok_2808.wav\n",
      "lóra ültek és lovon haladtak tovább lenn a város csendes és néptelen volt a házak közül kimagaslott a püspöki templom és a püspöki palota\n",
      "lóra ültek éjszalovon nála tártovabb lenn a város csendes és néptelen volt az a közülkímagaslót a püspöki templom és a püspöki palotak\n",
      "0.14035087719298245\n",
      "egri_csillagok_2525.wav\n",
      "akkor az egyik fiatal olasz az a leányképű elveszi tőle a búzás kosarat és azt kiáltja a baromfiaknak pi pi pi pitye pitye pitye pityikém pityikém\n",
      "akkor az egyik fiatal a lassz az elején helybúj elviszi töle a búzás kosarat és az kialtja a barom fiatnak pi pi pi piki piki piki piki kém piki kém\n",
      "0.24793388429752067\n",
      "egri_csillagok_3532.wav\n",
      "minden püspöknek megvan a maga katonasága minden püspök kapitány is egyúttal bár minden kapitány püspök is lehetne felelte dobó\n",
      "minden pushboknek megvan amag a karunásaga minden pushbok kapitány is ezsű tal bor minden kapitány pushbok is lehetne felelte dobo\n",
      "0.2018348623853211\n",
      "\n",
      " pː\n",
      "egri_csillagok_1876.wav\n",
      "az öreg petrovich könnycseppet törölt el a szemében csupán török bálint nézett felhős homlokkal maga elé hát lássuk miféle néppel küzdöttetek meg\n",
      "a zürich petrovic küncseppet törölt el a szemében csupan török balint nézett feljusson omlokon maga l a látlássuk mi féle néppel küzdőtettek meg\n",
      "0.1935483870967742\n",
      "egri_csillagok_2320.wav\n",
      "a bég ide oda forgatta a tányért s meg is emelgette no és miért hoztátok éppen nekem éppen azt akarom elmondani nagyságos uram\n",
      "a bejegyéde oda a forgata atanért smeg is emelgetett no és miért fosztatok éppen nekem éppen azt a károm elmondani nássagosuram\n",
      "0.18269230769230768\n",
      "egri_csillagok_3295.wav\n",
      "szállj le eredj kígyóként lappangva az első őrig ha kutya van vele és ugat rád térj vissza éppoly csendesen és lappangva mint ahogy odamentél\n",
      "szájjile erős kízső kénytlapandva az első őrégi járkutyavanvele és sugatradtéri vissza a poécsendesen és lapandva mintározs odamentel\n",
      "0.2627118644067797\n",
      "\n",
      " r\n",
      "egri_csillagok_2845.wav\n",
      "végre is a parasztoknak kellett megmagyarázni hogy mikor józsef mester bort kér akkor puskaporos zacskót kell nyitni neki mikor pedig port kér bort adjanak\n",
      "végre is a parasztoknak kellett megmázsorozni bozsmikor józsef mester borkér akor puskáboros szartkót kellanyitni neki mikor pedig korkér bort a zsanak\n",
      "0.15151515151515152\n",
      "egri_csillagok_3222.wav\n",
      "hát azt a kontyos irgalmát annak a mohamed putrijaiban szedett fügefáról szakadt ringyes rongyos vízivójának nem bírna e velük ez a kétezer magyar anyától vitéznek született lóháton nevelkedett magyar búzán erősödött egri bikavért ivó katona\n",
      "hát azt a konyhossírgalmat annak a módamentputryében szedett függöfarul szakett ríngyis rongyos vízívó jának nem bírnát a velükhez a kétezér magyar annyitól vítéznek született lógaton nevelkedett magyar búzón erősütött egri bikavért ívó karunak\n",
      "0.1932367149758454\n",
      "egri_csillagok_1769.wav\n",
      "a nap akkor kelt mikor a gellért hegy előtt elterülő nagy síkra érkezett ott már ledobta magáról a turbánt a köpönyeget meg hátraakasztotta a nyeregfára\n",
      "a nap akkor kelt mikor a gellér tezs előtt elterülő nagy sikrát érkezett ott már ledobta magaról a törbönt akkor pénig megállt rakasztóta a nyereg forra\n",
      "0.1953125\n",
      "\n",
      " s\n",
      "egri_csillagok_2403.wav\n",
      "s kifordult alig öt perc múlva mindenféle kész szakállal fekete szőrrel és ragasztóval tért vissza felragasszam\n",
      "s kifordult ali götperc múlva mindenféle kész szakoló feketet szúr el és ragaszt a voltárt vissza felragaszt szám\n",
      "0.13541666666666666\n",
      "egri_csillagok_2645.wav\n",
      "az asszonyt nyugtalanság szállotta meg de csakhamar korholta is érte magát nem illik rosszat gondolnom a szerencsétlenről mondotta a varráshoz visszaülve\n",
      "az asszonyi nyutalán sagszállóta meg de csak nem a korájóta is érte magat nem illik rosszat gondolnom azért ncsétlen ról mondóta vár a sős víz szóvet\n",
      "0.24060150375939848\n",
      "egri_csillagok_3548.wav\n",
      "és egy század lovast rendelt az asszony elkísérésére az asszony összekulcsolt kézzel könyörgőn nézett dobóra ha visszajönne\n",
      "és ezzel az adlóvá strendelt azzal szóny elkísérésére azzal szóny összeköltsöltkézel külnyörgőn nézett dobóra na vissza jönnénk\n",
      "0.21495327102803738\n",
      "\n",
      " t\n",
      "egri_csillagok_2978.wav\n",
      "a hatalmas és legyőzhetetlen császár akaratából intelek titeket hogy őfelségének ellene szegülni ti se merjetek hanem engedelemre hajoljatok s amely basát én küldök beeresszétek eger várát és városát neki átadjátok\n",
      "adatalmas és lezsős ületetlen császór akár a tabol intellektíteket gózs a felségének ellen és szegénynek tísetmérjetek hánem engedelömre álljátok sáményi basát énküldök bérre szétek egervárat és városat neki adjátok\n",
      "0.24324324324324326\n",
      "egri_csillagok_4276.wav\n",
      "egy kis nyílásan át nem láthattak egyebet csak az ide oda futkosó népet a füstöt a fel felpirosló tüzet azután amint a borbélyok kihordják a sebkötő gyolcsot s halomba rakják s kihordják a vizestálakat megtöltik tiszta vízzel\n",
      "egy kisnyíláson a nemlettáták ezsebet csak az ideoda a futósó népet a füstöt a felfelpírosló tüzet azután amint a borbélyó kívorzsák a sebkötő jolcsót sállomba rakják s kívorzsák a vízest alakát megtöltik tízt a vízzel\n",
      "0.17989417989417988\n",
      "egri_csillagok_3572.wav\n",
      "dobó a tisztjeivel megint a tetőtlen tornyon állott milyen jó hogy építtette azt a két tornyot szent istván király látni lehet róla hogyan állít ágyút a török\n",
      "dobó a tisztívível megint a tetetlen törnyűn alótt milyen jó gózs építette azt a két törnyűt szent istvan kérei látni lenne tróla bózsán alétt a zsűt a túrók\n",
      "0.2803030303030303\n",
      "\n",
      " tː\n",
      "egri_csillagok_3908.wav\n",
      "azonban hogy már mindenfelől görgött süvöltött és csattogott a golyó s nagyságra a görögdinnye és dió között váltakozott nem tudták hol vannak biztonságban\n",
      "azonban bozsmar minden felolgórgat sivoltat és csatogat agaljó snazsagra agorogéje istió között valtakozott nem tutak lolvan napisztón sajtban\n",
      "0.3007518796992481\n",
      "egri_csillagok_3642.wav\n",
      "a török hát csak lőtt és lőtt böfögött bufogott az ágyúja virradattól napszálltáig törte a falat és szaggatta a falon a fonott palánkot\n",
      "a túrokat csak lőtt és lőtt búfogott búfogott az a zsúlya virádatól napszaltig tört el falat és szagát át falon afonot palankót\n",
      "0.24778761061946902\n",
      "egri_csillagok_4425.wav\n",
      "itt ott egy halottat kell átugrania itt ott egy égő csóva repül el a szeme előtt itt ott egy golyó csattan előtte mögötte a falba\n",
      "ít ot ezs valóta kell ad a grania ít ot ezs egó csóva repül el a szeme előtt ít ot ezs golyó csatán előttet mugőt el falba\n",
      "0.29523809523809524\n",
      "\n",
      " ts\n",
      "egri_csillagok_1099.wav\n",
      "tekintete a falon függő arcképeken állt meg tán ez itt cecey mondta a sisakos arcképre mutatva\n",
      "tekintete a falon fújgó artszgépeken altmegtan ez ít szetszi mónta a csíkságos artszgépre mutatva\n",
      "0.35443037974683544\n",
      "egri_csillagok_2631.wav\n",
      "a falon arcképek az öreg cecey sisakos képe barna korában ceceyné kancsalul nézőn aranyhímzetű fejkötőben\n",
      "a falon arcképek az öreg tetszét s is akarsképpet bárnak a rabban tetszéne kancsaló nézőn aranyémzeti fejkötőben\n",
      "0.27472527472527475\n",
      "egri_csillagok_0505.wav\n",
      "ezt mondva rámutatott ceceyre az én kincseimet szólt cecey bámulva megőrültél hát van énnekem kincsem\n",
      "eszpmondva rámutatott szecire az én kincsimet szólt szecii bámulva meg a royal tail hát van én nekem kincsem\n",
      "0.19540229885057472\n",
      "\n",
      " tsː\n",
      "egri_csillagok_3697.wav\n",
      "a főutcán ezer akindzsi robog alá segítő fergetegként gergely idejében kikerüli őket nagy s betűt kanyarodik a káptalan utca felé\n",
      "a fúcsán ezért akinty robótpala segítő férgeteként gyergé idejében kikerüli ökket nas betűdkönyörödi kakaptalan üttszófele\n",
      "0.3181818181818182\n",
      "egri_csillagok_2426.wav\n",
      "s látnád a török hóhért amint azon a rozsdás lámpavason neked bokrozza a kötelet az utca csöndjében kapudörrenés hallatszott gergely megrezzent\n",
      "slatnad a túrókó gért amint azon a rózsdöslóm pavason neked bokrózza a kötelet az utca csöndzsében kapadóra ne is hallhatszott gergely megrezzent\n",
      "0.15447154471544716\n",
      "egri_csillagok_0040.wav\n",
      "nem tetszik neki az látszik az arca fintorgásán de azért eloldja jobban tetszene neki a gyerek akit a lovon látott\n",
      "nem tetszik neki az látszika az arcafíntorgáson de ezért előzse jobban tetszene neki a gyerek akit a lovomlatot\n",
      "0.12631578947368421\n",
      "\n",
      " tʃ\n",
      "egri_csillagok_3169.wav\n",
      "péntek volt aznap hát a vacsorát tormás csukán kezdték kirántott süllővel harcsával és kecsegével folytatták s túrós csuszával és fahéjas főtt aszalt gyümölccsel végezték\n",
      "péntek volt az nap pát a vacsoratorma stükön kesték kierántott sulóvel harcsoval és kecsegével folytattak stúró stűszival és fátéjás föt asszalt simult selvé gesték\n",
      "0.22448979591836735\n",
      "egri_csillagok_2261.wav\n",
      "felelte a cigány no csak tartsd te meg mekcsey evezz most lassabban úgy fordítsd a csónakot hogy oldalt kerülj\n",
      "felelte a cigány nő csak tartsd tedd meg megcsélj ebbez most lassabban ús fordítsd a csónákat bózs oldalt herülj\n",
      "0.20652173913043478\n",
      "egri_csillagok_2229.wav\n",
      "taszítsd el a csónakot kiáltotta gergely mert a csónak mellel a parton feküdt még nem felelte mekcsey\n",
      "taszítsd el a csónákat hiáltotta a gyergé mert a csónak mellel a parton fekít mégnem felelte meccse\n",
      "0.1411764705882353\n",
      "\n",
      " tʃː\n",
      "egri_csillagok_1853.wav\n",
      "segítségül hívták a törököt és addig is védekeztek mikorra a török segítség előhada megérkezett már akkor fogyadozott a német\n",
      "segítségül ívtak a török köté sárgítsvédek esztek mikor a török segítség előgára megérkezett már akkor fózsározott a német\n",
      "0.18691588785046728\n",
      "egri_csillagok_0735.wav\n",
      "lehetséges ez lehetségesnek lehetséges de hogy okosságnak nem ostobaság e az más kérdés\n",
      "levet csegés ez levet csegés nekt levet csegés dedd bőzs okos sagnak nem ostoba sagnak ez az más kérdés\n",
      "0.3333333333333333\n",
      "egri_csillagok_2991.wav\n",
      "megérthettétek belőle hogy mért jön szabadságot hoz karddal és ágyúval a keresztény vérben fürdő pogány császár hozza ránk ezt a szabadságot\n",
      "megért hogy tétek belőle bózs mért jön szabadságot bóz kardal és a zsúval a keresztén vérben fűrdő pogancsászor bóz a ránk ezt a szabadságot\n",
      "0.175\n",
      "\n",
      " v\n",
      "egri_csillagok_1258.wav\n",
      "ötvenfontos a belgrádi csatában olyant vágott avval egy magyarra hogy nemcsak a magyar fejét szelte le hanem a lováét is pedig vasban volt mind a kettő\n",
      "ötven fontos a belgradi csataban olyan vagyok aval ezsmazsorra kozsinem csak a mazsor fejét szeltetlek vannem alóváit és pedig vásban volt mind a kető\n",
      "0.23015873015873015\n",
      "egri_csillagok_3678.wav\n",
      "a vár kapuja még nyitva van s a várbeli parasztok javában hordják fel a vizet és itatják a várbeli lovakat mit nyernének a törökök ha a kapunak rohannának\n",
      "a varkapuja megítvában se várbeli parasztok javaban mórzsak fel avizet hely sítacsak a várbeli lovakat mit nyer nének a túrókok ha a kapnok róman nának\n",
      "0.2283464566929134\n",
      "egri_csillagok_3110.wav\n",
      "magamat élve sem a váron belül sem a váron kívül meg nem adom a vár védelmében elejétől végéig alávetem akaratomat a nálamnál feljebb való parancsának isten engem úgy segéljen\n",
      "magamat élved sem avaron belül sem avaron kívül megnemetem avar védelmében eléjtől végé galavetem akáratomat a nálamnól felébb való parancsána isten engem ús segéljen\n",
      "0.12244897959183673\n",
      "\n",
      " z\n",
      "egri_csillagok_2454.wav\n",
      "de gondolkodj te is az az ember aki debrecent szigetvárt és vajdahunyad várát mondja a magáénak s aki azokon túl még ura egy királyi birtoknak csaknem az egész dunántúlnak az bizony könnyen kifizeti neked még azt a kilencvenkilencezer aranyat is akárha a fele vagyonától kell is megválnia\n",
      "de gondolkodta is az az ember aki debrecent sziget volt és vajdán hülye várat mondja amagáénak sáki azokon től még rá is kéréljék bírtoknak csaknem az egész dünán tőlnek az bizony könyén kifizeti neked még azt a kilencvenkilenc ezért aranyat is sákor a fele vagyanától kell is megvallniak\n",
      "0.1652892561983471\n",
      "egri_csillagok_4368.wav\n",
      "közben az egyik vasazott lábával odarúgja a tüzet és a tűzben égő fahasábokat az állvány oszlopához a tűz magas lángnyelvekkel kezdi nyaldosni az oszlopot\n",
      "közben az egyik vásázott lábaval odarugja a tízet és a tízben egy gáll fára sebukat az alvány oszlopadóz a tíz mádas lány nyilván elkezdi nyelvdösni az oszlopót\n",
      "0.25190839694656486\n",
      "egri_csillagok_4242.wav\n",
      "bízom a fegyverünkben bízom a lelkünk erejében bízom szűz máriában aki magyarország patrónája bízom szent istván királyban akinek a lelke vele van mindig a magyar nemzettel és legjobban bízom magában az istenben\n",
      "bízom a fezsverénkben bízom a lelkünk kérjében bízom szűzmáriában aki magyarország patrónája bízom szent istván kiréban akinek a lelke vele van mindig a magyar nemzetel és legióban bízom magaban az istenben\n",
      "0.07777777777777778\n",
      "\n",
      " ɟ\n",
      "egri_csillagok_3845.wav\n",
      "nálad van egy török gyűrű énnálam van egy magyar gyermek az a gyűrű az enyém ez a gyermek a tiéd csend\n",
      "nálad van egy török zsűri én nálam van egy magyar zsűrmek az a zsűri az enyém ez a zsűrmek a tiéd csend\n",
      "0.14634146341463414\n",
      "egri_csillagok_3101.wav\n",
      "azt ajánlom hogy a két kapitány viszont a hadnagyokkal mindig egy értelemben intézkedjen valahányszor úgy fordul a sor hogy akár a védelemben akár más fontos intézkedésben a hadnagyok közül csak egy is tanácskozást kíván\n",
      "azt a jelombózsa két kapitány viszont a badnagyokkal mindig ezért telemben intézkezsen valaminszor úgy fordul a sor hózsakor a védelemben akkor más fontos intézkedésben a badnagyok közül csak ez istenet közöst kíván\n",
      "0.16042780748663102\n",
      "egri_csillagok_2538.wav\n",
      "ejnye hogy nem te vagy az igen hasonlítasz rá tíz aranyat vesztettél vele hogy nem te vagy nohát ugye hogy nem magyar te elefánt\n",
      "enyed bozsnem te vázs az igen násonlításra tíz rányt vesztetél vele bozsnem te vázs nohat ugye bozsnem mazsar te elefant\n",
      "0.2857142857142857\n",
      "\n",
      " ɟː\n",
      "egri_csillagok_3152.wav\n",
      "esküdjetek erre a szóra a városbeli székesegyház harangja megkondult csak egyet kondult többet nem mindenki a város felé tekintett\n",
      "eskügyetek erre a szóra a városbeli székességez nem aranyja megkondult csak ezzet kondult többet nem mindenki a város felé tekintett\n",
      "0.10714285714285714\n",
      "egri_csillagok_0196.wav\n",
      "ha sakkoznánk összevesznénk rajta márpedig öcsém mink együtt tollasodtunk fel az öreggel együtt éltünk együtt harcoltunk\n",
      "há sárkáznánk összevesznénk rajta már pedig golycsém mink ezsét tolássatunk fel az öreggel ezsét éltünk ezsét harcoltunk\n",
      "0.22857142857142856\n",
      "egri_csillagok_2319.wav\n",
      "ha eladjuk ránk fogják hogy loptuk s isten tudja micsoda bajba kerülünk ha nem adjuk el mit ér annak a tányér akinek nincs mit ennie belőle\n",
      "te előzsük ránk fogyak bózlóptük sistintúzsát mit tud a babakári lénk ka nem elzsük el mit ér a napatánér akinek nincs mit ennél belőle\n",
      "0.3333333333333333\n",
      "\n",
      " ɡ\n",
      "egri_csillagok_3932.wav\n",
      "s előhozatta a maga bombáit amelyekkel egy héten át foglalkozott dobó rátette a kezét a gergely vállára még ne s reggeltől estig szakadatlanul dörögtek az ágyúk és szakadt a halál esője a zarbuzánok félmázsás golyói kapu nagyságú szakadékokat rontottak a falakon\n",
      "cselódózata a mágabombait amelyekkel ezsétén a foglalkozót dobó rátetekezét a gyergévallóra megnent sregéltől estíg szakadatlanul dürötek az a zsukés szakad ablalól esőjét az arbuzánok félműzses golyói kapunásságú szakadékokat rontoták a falakon\n",
      "0.21621621621621623\n",
      "egri_csillagok_2710.wav\n",
      "gyere velem egerbe öreg lovat is kapsz ha egy hónapot ott szolgálsz meg azonfelül olyan piros nadrágot kapsz tőlem hogy minden cigány megbetegszik irigységében\n",
      "zsere velem egérbet úr eg lovat iskapsz de ezs nő nábot ott szolgalsz meg azon felül olyan píros nádragot kapsz tőlem bozs minden cigán megbetegszik ki ricsé gében\n",
      "0.17647058823529413\n",
      "egri_csillagok_2396.wav\n",
      "jancsi megragadta a gergely kezét megtennéd gergely megtennéd már teszem is felelte gergely\n",
      "jancsik megragadta a gyergékhez ét megtennéd gyergék megtennéd mert teszem is felelte gyergék\n",
      "0.20253164556962025\n",
      "\n",
      " ɡː\n",
      "egri_csillagok_3840.wav\n",
      "csupán egy rúd maradt függőn éppen annyi hogy egy ember ki és bejárhatott dobó a templombástyára lépegetett föl\n",
      "csupán ez rúd marad függön éppen nani pozs ez ember ki is bejör marudt dobo a templomba sira lepigedett föl\n",
      "0.2765957446808511\n",
      "egri_csillagok_4471.wav\n",
      "aztán jön a többi tárgy valamennyi bádoggal van bevonva hogy a védők csáklyával le ne szaggathassák a tetejét\n",
      "aztán jön atöbi törzs valamini bádogalvan bevonba bozsa védők csakjövő ledned szagatmás sök a tetejét\n",
      "0.2608695652173913\n",
      "egri_csillagok_3079.wav\n",
      "a teremben csend volt minden szem dobón függött ha eger elesik utána nem állhat meg se miskolc se kassa\n",
      "a teremben csend volt minden szemdobon függölt nála eger ellenség hútana nem alatt megsehet miskolc sekkor sött\n",
      "0.29411764705882354\n",
      "\n",
      " ɲ\n",
      "egri_csillagok_4187.wav\n",
      "látni lehetett hogy egybevonják az összes hadinépet mihelyt valamennyien együtt lesznek a teljes hadierővel rohanják meg a mindenfelől romlott várat\n",
      "látnék lezeret bózs ezsbevonjuk az összes svádi népet mire valamennyien ezsvít lesznek a teljes svádi erővél rományok meg a minden fölül romlód varat\n",
      "0.2868217054263566\n",
      "egri_csillagok_2630.wav\n",
      "a földön török szőnyegek a fal mellett medvebőrös dívány az ablaknál írószekrény könyvesszekrény sok pergamenkötésű könyv talán száz is\n",
      "a foldintúr okszónigek a falmerlet medveborús divani az a blaknal erőszekrényi könyvös szekrényi sok pérgamen kötésű könyv talanszázis\n",
      "0.18803418803418803\n",
      "egri_csillagok_3668.wav\n",
      "keresztülrontotok rajta egy kanyarodással és visszanyargaltok azonnal harc csak annyi legyen amennyi kinek kinek az útjába esik\n",
      "kereszt jól rontottuk rajta egy kanyarodással és visszanyirgaltuk azonnal tartsd csak annyi legyen amennyi kinek kinek az utcába esik\n",
      "0.10810810810810811\n",
      "\n",
      " ʃ\n",
      "egri_csillagok_1237.wav\n",
      "a trombitások után kétszáz üstdobos jön meg száz nagydobos kétszáz csörgős száz csincsás és sípos\n",
      "a trombitások után kétszerzés döbös jön megszáz nágy döbös kétszerztyúrgózs szezcsincses és sípos\n",
      "0.21686746987951808\n",
      "egri_csillagok_3469.wav\n",
      "jön nagy csengéssel bongással dobpergéssel trombitamuzsikával a vörös fehér és kék színek egymásba hullámozva hordják az óriási boncsokokat\n",
      "jöntnagy csengéssel bondassal dopergéssel trombitámúzsikaval avóros fedér és kekszínek esmesbakú lomozva kórzsak az óriási bontsókokat\n",
      "0.20491803278688525\n",
      "egri_csillagok_2184.wav\n",
      "végre sok nyomakodás és lökdösés után kibontakoztak a sokaságból s egy kis utcába érkeztek amely sötét volt fussunk mondta gergely\n",
      "végre sok nyilmagadős és lukdusés sütőnkibontakus tárkát sokásabból s iskisütszába érkeztek amely sötét volt fussunk mondta gergé\n",
      "0.25225225225225223\n",
      "\n",
      " ʎ\n",
      "egri_csillagok_3839.wav\n",
      "nem telt belé öt perc egyenkint zuhantak le a karnyi vastagságú hegyes vasrudak a kapualja belső felében s orgonasípokként zárták el a kapualját is\n",
      "nem telt bele hogy perc ezenként zuhantak le akarni vastagságú hezis vasródak akapulja belső felében sorgonosi pokénszartak bel akapulja is\n",
      "0.1935483870967742\n",
      "egri_csillagok_3110.wav\n",
      "magamat élve sem a váron belül sem a váron kívül meg nem adom a vár védelmében elejétől végéig alávetem akaratomat a nálamnál feljebb való parancsának isten engem úgy segéljen\n",
      "magamat élved sem avaron belül sem avaron kívül megnemetem avar védelmében eléjtől végé galavetem akáratomat a nálamnól felébb való parancsána isten engem ús segéljen\n",
      "0.12244897959183673\n",
      "egri_csillagok_3066.wav\n",
      "a sekrestye aljában színig áll a kész puskapor ezenkívül van salétromunk és malmunk is hogy ha kell magunk csináljunk puskaport folytasd\n",
      "a seggressző aljában színig al a kész kuskaport ezen kívül van sajlátra múl késmálmú kís bozsrakal magunk csináljunk kuskaport folytasd\n",
      "0.21551724137931033\n",
      "\n",
      " ʒ\n",
      "egri_csillagok_0306.wav\n",
      "nagyságos méltóságos gyamarzsák úr csókolom kezsit lábát hadd pikulázzsak egyet a tistelt vendégség eremére\n",
      "názsagos méltósagos zsamarzsak úr csókolóm kezitlábat gádpiklózsak ezse atisztelt vendégség éremére\n",
      "0.23404255319148937\n",
      "egri_csillagok_3704.wav\n",
      "dobó aggódva látja hogy a kis utcákból hogyan rohannak még mindig az akindzsik és a dzsebedzsik a többi török segítségére tüzet kiált a falon megdördülnek a puskák és megpendülnek az íjak\n",
      "dobó agód vatlat csapó zsaki sütszáppól lózsvon róvan napmég míndi gazakindzsik és zsebezsik a többi török segítségére tüzet hiált a falon meggyórdílnek a puskak és megpendílnek az ilyak\n",
      "0.2356687898089172\n",
      "egri_csillagok_3765.wav\n",
      "az volt a szerencsénk hogy éppen a vértes dzsebedzsik állottak ottan különben átvagdalkoztak volna az egész seregen dobó vállat vont a dzsebedzsik\n",
      "az volt a szerencsénk bózs éppen a vértis jebezsik a lotak otan különben a dvagdalkoz takvolna az egész seregen dobó vallatvont a jebezsik\n",
      "0.16\n"
     ]
    }
   ],
   "execution_count": 48
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-19T21:21:19.126811Z",
     "start_time": "2024-07-19T21:21:19.122310Z"
    }
   },
   "source": [
    "for p, cer in zip(phones, phone_cers):\n",
    "    print(p, cer)"
   ],
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "aː 0.23954429794124452\n",
      "ɑ 0.4813129961644813\n",
      "ɑː 0.2013768367465001\n",
      "eː 0.20219868362075066\n",
      "ɛ 0.2411278100530437\n",
      "i 0.17282876613020157\n",
      "iː 0.15661561785642375\n",
      "o 0.22319163273078838\n",
      "oː 0.19832817366637925\n",
      "ø 0.2654971234097723\n",
      "øː 0.23386111495791595\n",
      "u 0.1883971675979104\n",
      "uː 0.23231342524526802\n",
      "y 0.14045214045214047\n",
      "yː 0.3324092391475007\n",
      "b 0.19355877616747183\n",
      "bː 0.21742287272205482\n",
      "c 0.33374799627571244\n",
      "cː 0.2608029772978227\n",
      "d 0.12333309681382654\n",
      "dː 0.21917087542087543\n",
      "dzː 0.18559509484269443\n",
      "dʒ 0.253780143866654\n",
      "f 0.16011242122828975\n",
      "h 0.2595737789869154\n",
      "j 0.19678891876874163\n",
      "k 0.18053120603807327\n",
      "kː 0.22212747590548532\n",
      "l 0.20654748727305325\n",
      "m 0.1889216757741348\n",
      "n 0.13310567799204162\n",
      "p 0.1967065412919414\n",
      "pː 0.21298418639862052\n",
      "r 0.180021455496999\n",
      "s 0.19699048048470083\n",
      "t 0.23448015114681783\n",
      "tː 0.2812591951856041\n",
      "ts 0.27485265110756163\n",
      "tsː 0.19965638412364983\n",
      "tʃ 0.1907293352123458\n",
      "tʃː 0.2317497403946002\n",
      "v 0.19365138881449342\n",
      "z 0.16499181030756324\n",
      "ɟ 0.1974945188718503\n",
      "ɟː 0.223015873015873\n",
      "ɡ 0.19840615000704354\n",
      "ɡː 0.27719431898568864\n",
      "ɲ 0.1943213338562176\n",
      "ʃ 0.22467925163955185\n",
      "ʎ 0.17717153602264038\n",
      "ʒ 0.20990378100013551\n"
     ]
    }
   ],
   "execution_count": 49
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-02T07:22:25.883473Z",
     "start_time": "2024-07-02T07:22:25.880216Z"
    }
   },
   "source": [
    "import logging\n",
    "logging.basicConfig(level=logging.WARNING)"
   ],
   "outputs": [],
   "execution_count": 46
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-20T18:26:06.213121Z",
     "start_time": "2024-07-20T18:26:06.210022Z"
    }
   },
   "source": [
    "gt_dir = data_dir\n",
    "gt_asr_path = asr_dir / 'gt_result.txt'\n",
    "\n",
    "jets_asr_path = asr_dir / 'jets_result.txt'"
   ],
   "outputs": [],
   "execution_count": 116
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-20T20:23:43.276616Z",
     "start_time": "2024-07-20T19:33:36.776908Z"
    }
   },
   "source": "run_asr(filenames, gt_dir, gt_asr_path)",
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|██████████| 4514/4514 [50:06<00:00,  1.50it/s]  \n"
     ]
    }
   ],
   "execution_count": 118
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-20T19:33:36.774829Z",
     "start_time": "2024-07-20T18:27:52.642889Z"
    }
   },
   "source": [
    "import time\n",
    "time.sleep(700)\n",
    "run_asr(filenames, jets_dir, jets_asr_path)"
   ],
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|██████████| 4514/4514 [54:04<00:00,  1.39it/s]  \n"
     ]
    }
   ],
   "execution_count": 117
  },
  {
   "cell_type": "code",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false
    },
    "ExecuteTime": {
     "end_time": "2024-07-20T20:23:43.284450Z",
     "start_time": "2024-07-20T20:23:43.277797Z"
    }
   },
   "source": [
    "def eval_cer(transcripts, asr_result_path, cer_path):\n",
    "    with open(cer_path, 'w') as cer_file:\n",
    "        cer_file.write('wav_file,gt_len,cer\\n')\n",
    "        with open(asr_result_path) as f:\n",
    "            for line in f:\n",
    "                wav_file, asr_output = line.strip('\\n').split('|', maxsplit=1)\n",
    "                transcript = transcripts[wav_file]\n",
    "                transcript_nospace = transcript.replace(' ', '')\n",
    "                asr_nospace = asr_output.replace(' ', '')\n",
    "                gt_len = len(transcript)\n",
    "                cer = jiwer.cer(truth=transcript_nospace, hypothesis=asr_nospace)\n",
    "                cer_file.write(f'{wav_file},{gt_len},{cer}\\n')"
   ],
   "outputs": [],
   "execution_count": 119
  },
  {
   "cell_type": "code",
   "metadata": {
    "ExecuteTime": {
     "end_time": "2024-07-20T20:23:43.515771Z",
     "start_time": "2024-07-20T20:23:43.285561Z"
    }
   },
   "source": [
    "gt_cer_path = asr_dir / 'gt_cer.csv'\n",
    "eval_cer(transcripts=transcripts, asr_result_path=gt_asr_path, cer_path=gt_cer_path)"
   ],
   "outputs": [],
   "execution_count": 120
  },
  {
   "cell_type": "code",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false
    },
    "ExecuteTime": {
     "end_time": "2024-07-20T20:23:43.846960Z",
     "start_time": "2024-07-20T20:23:43.516568Z"
    }
   },
   "source": [
    "jets_cer_path = asr_dir / 'jets_cer.csv'\n",
    "eval_cer(transcripts=transcripts, asr_result_path=jets_asr_path, cer_path=jets_cer_path)"
   ],
   "outputs": [],
   "execution_count": 121
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.14"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}