Whisper large-v3 — معيار تحويل الكلام المنغولي إلى نص
نتائج حقيقية من Whisper large-v3 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 Whisper large-v3 للتفريغ الدفعي. بدون خصومات أو أسعار متفاوض عليها — السعر الخام لكل دقيقة.
مصدر التسعير: الأسعار العامة لـ Whisper large-v3. يُعرض Duudlaga Flow للسياق فقط — هذه الصفحة تعزل Whisper large-v3 حتى لا يُضخَّم الرقم بمنتجنا.
WER و CER حسب مجموعة البيانات
معدلات خطأ الكلمات والأحرف لكل مجموعة بيانات. الأقل أفضل — وهذه أرقام Whisper large-v3 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 | 91.2% | 38.8% | 8.8% | 0.72× | 330.6s | 456.5s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 86.2% | 33% | 13.8% | 1.87× | 645.1s | 344.8s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 94% | 41% | 6.0% | 1.13× | 269.8s | 238.3s |
| Modern Voice | — | 92 | 92/92 | 87.7% | 37.2% | 12.3% | 1.53× | 603.8s | 394.1s |
WER مقابل السرعة — لكل عينة
كل نقطة هي عينة صوتية واحدة. الموقع المثالي أسفل اليسار (خطأ قليل، سرعة عالية). Whisper large-v3 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 Whisper large-v3 فقط — بدون شطب أو استبدال، فقط الأخطاء.
| # | الصوت | العينة | مجموعة البيانات | المتوقع (الحقيقة المرجعية) | نتيجة Whisper large-v3 | WER | CER | I/D/S |
|---|---|---|---|---|---|---|---|---|
| 1 | btsee_0001 | Common Voice 24 (MN) | Гэхдээ амьсгал хураахаасаа өмнө танд мэдэж байгаагаа хэлье. | Кэлтээ амсгол түрээ хасаа омон танд мэдэж байгаа хэлээ. | 87.5% | 32.8% | 1/0/6 | |
| 2 | btsee_0002 | Common Voice 24 (MN) | Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | Надзай асан аджирал гэдэгээрдээ үрхүн сарай хүгцадтай байсан гэж бүх. | 83.3% | 33.3% | 0/2/8 | |
| 3 | btsee_0003 | Common Voice 24 (MN) | Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе. | Атаах тээ төрч төрч энрээгээсээ салхих чигцгээ. | 100.0% | 53.8% | 0/0/7 | |
| 4 | btsee_0004 | Common Voice 24 (MN) | Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн. | Би босголту хэрээр гэр хэцэр дэрхийж ябдог хүн. | 70.0% | 17.6% | 0/2/5 | |
| 5 | btsee_0005 | Common Voice 24 (MN) | Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ. | Ханхурмас дуу орлос болдгой бараа үгэнээ 2 лоогуу арны эргүйлэхээр ягалж байна. | 120.0% | 51.9% | 2/0/10 | |
| 6 | btsee_0006 | Common Voice 24 (MN) | Алив наашаа ороод ир гээд гэртээ оров. | Аж байнааша ородор, гэдгэжтэй оров. | 85.7% | 35.1% | 0/2/4 | |
| 7 | btsee_0007 | Common Voice 24 (MN) | Өө өндөр дээдэс таны тухайд би баталж чадахгүй. | Уу, үндэр дээд таныи тухууд би бааталг чалтахгүй. | 87.5% | 28.3% | 0/0/7 | |
| 8 | btsee_0008 | Common Voice 24 (MN) | Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв. | Харин 3-тэг хуудагаса эхлэн хүмүүстэг сайнархаж гэлэв. | 75.0% | 35.7% | 0/0/6 | |
| 9 | btsee_0009 | Common Voice 24 (MN) | Та нар очингуутаа шөл л өгч үз. | Танр очингууд шүүллэл үхж байз. | 100.0% | 50.0% | 0/2/5 | |
| 10 | btsee_0010 | Common Voice 24 (MN) | Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь. | Ерөөсөөл үүлтүрөссээ салаагуу ябсан имч нь. | 100.0% | 33.3% | 0/1/6 |
المنهجية
كيف حُصلت على هذه الأرقام.
المزوّد: Whisper large-v3 (OpenAI Whisper large-v3 open weights run locally with an explicit Mongolian language token — the reference open-source ASR baseline.).
نقطة النهاية local (transformers). اللغة mn. نقطة التشغيل openai/whisper-large-v3 (language=mn, task=transcribe) 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 Whisper large-v3 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.