GPT-4o Transcribe — Монгол яриа таних бенчмарк
GPT-4o Transcribe Batch API-г сайжруулсан operating point, mn хэлээр ажиллуулж, 4 монгол өгөгдлийн багцын 265 аудио жишээгээр үнэлсэн бодит үр дүн. Доорх бүх тоог хэмжсэн — маркетингийн тоо биш. WER, хурд, үнийг өөрчлөлгүй, нууж хаалгүй харуулав.
265/265 жишээг хөрвүүлсэн · амжилтын хувь 100%
Бага байх тусмаа сайн · 265 жишээгээр
Үнэ
GPT-4o Transcribe-ийн batch хөрвүүлэлтийн албан ёсны жагсаалтын үнэ. Хөнгөлөлт, тохиролцсон тариф оруулаагүй — минутын үндсэн үнэ.
Үнийн эх сурвалж: GPT-4o Transcribe-ийн нийтэд зарласан үнэ. Duudlaga Flow-г зөвхөн харьцуулахад дурдсан; энэ хуудсанд GPT-4o Transcribe-ийг дангаар нь авч үзсэн тул манай бүтээгдэхүүний үзүүлэлт тоонд нөлөөлөөгүй.
Өгөгдлийн багц тус бүрийн WER ба CER
Өгөгдлийн багц тус бүрийн үг, тэмдэгтийн алдааны түвшин. Бага байх тусмаа сайн. Эдгээр нь GPT-4o Transcribe-ийн бодит үзүүлэлт бөгөөд Common Voice 24 дээр сул байна.
Өгөгдлийн багцын хураангуй
Багц тус бүрийн нэгтгэсэн нарийвчлал, хурд, хугацаа.
| Өгөгдлийн багц | Эх сурвалж | Жишээ | Амжилттай | WER | CER | Нарийвчлал | Хурд | Аудио (с) | Боловсруулалт (с) |
|---|---|---|---|---|---|---|---|---|---|
| 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 ба хурд — жишээ тус бүрээр
Цэг бүр нэг аудио жишээг илэрхийлнэ. Зүүн доод хэсэг хамгийн сайн буюу алдаа бага, хурд өндөр. GPT-4o Transcribe нь Common Voice 24-ийн олон жишээн дээр өндөр алдаатай байна.
Жишээ тус бүрийн үр дүн
Жишиг бичвэр баганад эх хувилбарыг өөрчлөлгүй харуулна. Үр дүн баганад GPT-4o Transcribe-ийн алдсан үгийг л улаанаар тэмдэглэнэ — дарж зурах, үг солих тэмдэглэгээгүй, зөвхөн алдааг харуулна.
| # | Аудио | Жишээ | Өгөгдлийн багц | Жишиг бичвэр | GPT-4o Transcribe-ийн үр дүн | 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 |
Аргачлал
Эдгээр үзүүлэлтийг хэрхэн гаргав.
Үйлчилгээ үзүүлэгч: GPT-4o Transcribe (OpenAI gpt-4o-transcribe hosted transcription (Mongolian prompt hint; 'mn' is not an accepted language code).).
Endpoint https://api.openai.com/v1/audio/transcriptions. Хэл mn. Operating point gpt-4o-transcribe. Яригч ялгалт none.
Өгөгдлийн багц: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 жишээ, нийт 1849.3s аудио.
- 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—
Хэмжүүр: WER, CER-ийг үг болон тэмдэгтийн стандарт Levenshtein тааруулалтаар тооцож, үсгийн том, жижиг хэлбэр болон цэг тэмдэгтийг ижилсгэсэн. Нарийвчлал = 100 − WER. Хурд = аудионы хугацаа ÷ боловсруулах хугацаа (× бодит хугацаа). Бүх хүсэлт нь кэшилсэн эсвэл дуурайлгасан биш, GPT-4o Transcribe Batch API руу хийсэн бодит дуудлага.
Алдааны тэмдэглэгээ: Үр дүнг жишиг бичвэртэй тааруулж, сольсон болон илүү оруулсан үг бүрийг улаанаар тэмдэглэнэ. Хасагдсан буюу үр дүнд байхгүй үгийг үр дүн баганад харуулахгүй — Жишиг бичвэр баганад эх хувилбар бүтнээрээ, өөрчлөлгүй бий.