GPT-4o Transcribe — معيار تحويل الكلام المنغولي إلى نص
نتائج حقيقية من GPT-4o Transcribe Batch API (نقطة تشغيل محسّنة، اللغة mn) مُقيَّمة على 4 مجموعات بيانات منغولية و265 عينة صوتية. كل رقم أدناه مُقاس وليس تسويقاً. يُعرض WER والسرعة والتسعير كما هو، بصدق صارم.
265/265 عينة مُفرَّغة · نسبة نجاح 100%
الأقل أفضل · عبر 265 عينة
التسعير
سعر قائمة GPT-4o Transcribe للتفريغ الدفعي. بدون خصومات أو أسعار متفاوض عليها — السعر الخام لكل دقيقة.
مصدر التسعير: الأسعار العامة لـ GPT-4o Transcribe. يُعرض Duudlaga Flow للسياق فقط — هذه الصفحة تعزل GPT-4o Transcribe حتى لا يُضخَّم الرقم بمنتجنا.
WER و CER حسب مجموعة البيانات
معدلات خطأ الكلمات والأحرف لكل مجموعة بيانات. الأقل أفضل — وهذه أرقام GPT-4o Transcribe الحقيقية وهي ضعيفة على Common Voice 24.
ملخص مجموعات البيانات
الدقة والسرعة والتوقيت المُجمَّع لكل مجموعة بيانات.
| مجموعة البيانات | المصدر | العينات | النجاح | WER | CER | الدقة | السرعة | الصوت (ث) | المعالجة (ث) |
|---|---|---|---|---|---|---|---|---|---|
| Common Voice 24 (MN) | Hugging Face → | 59 | 59/59 | 61.3% | 31.1% | 38.7% | 2.73× | 330.6s | 121.2s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 41.7% | 19.4% | 58.3% | 1.67× | 645.1s | 386.8s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 65.9% | 36.4% | 34.1% | 2.01× | 269.8s | 133.9s |
| Modern Voice | — | 92 | 92/92 | 47.4% | 25.5% | 52.6% | 2.59× | 603.8s | 233.4s |
WER مقابل السرعة — لكل عينة
كل نقطة هي عينة صوتية واحدة. الموقع المثالي أسفل اليسار (خطأ قليل، سرعة عالية). GPT-4o Transcribe لديه خطأ مرتفع في كثير من عينات Common Voice 24.
النتائج لكل عينة
تُعرض الحقيقة المرجعية كما هي في عمود "المتوقع". يُبرز عمود النتيجة بالأحمر الكلمات التي أخطأها GPT-4o Transcribe فقط — بدون شطب أو استبدال، فقط الأخطاء.
| # | الصوت | العينة | مجموعة البيانات | المتوقع (الحقيقة المرجعية) | نتيجة GPT-4o Transcribe | WER | CER | I/D/S |
|---|---|---|---|---|---|---|---|---|
| 1 | btsee_0001 | Common Voice 24 (MN) | Гэхдээ амьсгал хураахаасаа өмнө танд мэдэж байгаагаа хэлье. | Гэхдээ амьсгал хураахаасаа өмнө танд мэдэж яваагаа хэлье. | 12.5% | 6.9% | 0/0/1 | |
| 2 | btsee_0002 | Common Voice 24 (MN) | Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | Надад сая санагдаж байгаа гэхэд ердөө гурван сарийн хугацаатай байсан л гэж үү? | 58.3% | 22.7% | 1/0/6 | |
| 3 | btsee_0003 | Common Voice 24 (MN) | Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе. | Одоо би дуртай хүнтэйгээ салахыг хүсч байгаа. | 85.7% | 51.9% | 0/0/6 | |
| 4 | btsee_0004 | Common Voice 24 (MN) | Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн. | Би бас голдуу хэрээр гэр, хэцэр дээр хийж явдаг хүн. | 40.0% | 9.8% | 0/0/4 | |
| 5 | btsee_0005 | Common Voice 24 (MN) | Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ. | Хаварын сүүлчээс барлагийн хоёр зоогоор нэргүүл шарив. | 100.0% | 66.2% | 0/3/7 | |
| 6 | btsee_0006 | Common Voice 24 (MN) | Алив наашаа ороод ир гээд гэртээ оров. | Айсин наашаараад ир, гэж гэртээ оров. | 57.1% | 24.3% | 0/1/3 | |
| 7 | btsee_0007 | Common Voice 24 (MN) | Өө өндөр дээдэс таны тухайд би баталж чадахгүй. | Оо, өндөртэд таныг тохойод би баталж чадахгүй. | 62.5% | 23.9% | 0/1/4 | |
| 8 | btsee_0008 | Common Voice 24 (MN) | Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв. | Харин 33 дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв. | 12.5% | 8.9% | 0/0/1 | |
| 9 | btsee_0009 | Common Voice 24 (MN) | Та нар очингуутаа шөл л өгч үз. | Та нар орчлонгоудаа шүүлт өгч үз. | 42.9% | 30.0% | 0/1/2 | |
| 10 | btsee_0010 | Common Voice 24 (MN) | Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь. | Ирүүсөөл үлдүүрээсээ салаагүй явсна юм чинь. | 57.1% | 25.0% | 0/1/3 |
المنهجية
كيف حُصلت على هذه الأرقام.
المزوّد: GPT-4o Transcribe (OpenAI gpt-4o-transcribe hosted transcription (Mongolian prompt hint; 'mn' is not an accepted language code).).
نقطة النهاية https://api.openai.com/v1/audio/transcriptions. اللغة mn. نقطة التشغيل gpt-4o-transcribe. فصل المتحدثين none.
مجموعات البيانات: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 عينة، 1849.3 ث من الصوت إجمالاً.
- Common Voice 24 (MN)https://huggingface.co/datasets/btsee/common-voices-24-mn
- Shunya Labs Mongolian Speechhttps://huggingface.co/datasets/shunyalabs/mongolian-speech-dataset
- Common Voice 20 (MN)https://huggingface.co/datasets/warmestman/common-voice-20-mn-normalized
- Modern Voice—
المقاييس: يُحسب WER و CER بمحاذاة ليفنشتاين قياسية للكلمات/الأحرف مع تطبيع حالة الأحرف وعلامات الترقيم. الدقة = 100 − WER. معامل السرعة = مدة الصوت ÷ زمن المعالجة (× الزمن الحقيقي). جميع الطلبات هي استدعاءات حقيقية لـ Batch API من GPT-4o Transcribe وليست مخزَّنة أو محاكاة.
إبراز الفروقات: يُحاذي عمود النتيجة بالحقيقة المرجعية ويُلوّن كل استبدال وإدراج بالأحمر. لا تُعرض الحذوفات (الكلمات المفقودة من النتيجة) في عمود النتيجة — يحتوي عمود "المتوقع" على الحقيقة المرجعية كاملة كما هي.