SeamlessM4T v2 — معيار تحويل الكلام المنغولي إلى نص
نتائج حقيقية من SeamlessM4T v2 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 SeamlessM4T v2 للتفريغ الدفعي. بدون خصومات أو أسعار متفاوض عليها — السعر الخام لكل دقيقة.
مصدر التسعير: الأسعار العامة لـ SeamlessM4T v2. يُعرض Duudlaga Flow للسياق فقط — هذه الصفحة تعزل SeamlessM4T v2 حتى لا يُضخَّم الرقم بمنتجنا.
WER و CER حسب مجموعة البيانات
معدلات خطأ الكلمات والأحرف لكل مجموعة بيانات. الأقل أفضل — وهذه أرقام SeamlessM4T v2 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 | 17.6% | 6.3% | 82.4% | 3.59× | 330.6s | 92.1s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 22.2% | 10.2% | 77.8% | 0.25× | 645.1s | 2569.2s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 21.7% | 7.9% | 78.3% | 0.14× | 269.8s | 1897s |
| Modern Voice | — | 92 | 92/92 | 30.9% | 16.7% | 69.1% | 4.26× | 603.8s | 141.6s |
WER مقابل السرعة — لكل عينة
كل نقطة هي عينة صوتية واحدة. الموقع المثالي أسفل اليسار (خطأ قليل، سرعة عالية). SeamlessM4T v2 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 SeamlessM4T v2 فقط — بدون شطب أو استبدال، فقط الأخطاء.
| # | الصوت | العينة | مجموعة البيانات | المتوقع (الحقيقة المرجعية) | نتيجة SeamlessM4T v2 | 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 байгаагаа хэлье. | 0.0% | 0.0% | 0/0/0 | |
| 2 | btsee_0002 | Common Voice 24 (MN) | Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | Надад аясан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | 8.3% | 2.7% | 0/0/1 | |
| 3 | btsee_0003 | Common Voice 24 (MN) | Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе. | Одоо бид өөрсдөө өвчнөөр эмгэгээсээ салахыг хичээцгээе. | 14.3% | 7.7% | 0/0/1 | |
| 4 | btsee_0004 | Common Voice 24 (MN) | Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн. | Би бол голдуу хээрээр гэр, хетээр дэр хийж явдаг хүн. | 10.0% | 3.9% | 0/0/1 | |
| 5 | btsee_0005 | Common Voice 24 (MN) | Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ. | Хан хурамс уурлаж, болдоггүй бор уг нь хоёр луугаар нэхүүлэхээр явуулжээ. | 60.0% | 19.5% | 1/0/5 | |
| 6 | btsee_0006 | Common Voice 24 (MN) | Алив наашаа ороод ир гээд гэртээ оров. | Алив наашаа ороод ир гээд гэртээ оров. | 0.0% | 0.0% | 0/0/0 | |
| 7 | btsee_0007 | Common Voice 24 (MN) | Өө өндөр дээдэс таны тухайд би баталж чадахгүй. | Өө, өндөр дээдэс таны тухайд би батлаж чадахгүй. | 12.5% | 4.3% | 0/0/1 | |
| 8 | btsee_0008 | Common Voice 24 (MN) | Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв. | харин гурав дахь удаагаа эхлээд хүмүүсийг сонирхож эхлэв. | 25.0% | 5.4% | 0/0/2 | |
| 9 | btsee_0009 | Common Voice 24 (MN) | Та нар очингуутаа шөл л өгч үз. | Та нар очингуутаа шөл л өгч үз. | 0.0% | 0.0% | 0/0/0 | |
| 10 | btsee_0010 | Common Voice 24 (MN) | Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь. | Ерөөсөө л үйлдвэрээсээ салаагүй явсан юм чинь. | 14.3% | 6.2% | 0/0/1 |
المنهجية
كيف حُصلت على هذه الأرقام.
المزوّد: SeamlessM4T v2 (Meta SeamlessM4T v2 Large speech-to-text run locally, decoding to Halh Mongolian (khk) — 2.3B params covering ~100 source languages.).
نقطة النهاية local (transformers). اللغة mn. نقطة التشغيل facebook/seamless-m4t-v2-large (tgt_lang=khk) on mps. 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 SeamlessM4T v2 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.