মঙ্গোলীয় স্পিচ-টু-টেক্স্ট লিডারবোর্ড

মঙ্গোলীয়ের জন্য স্পিচ-টু-টেক্স্ট প্রদানকারীদের শব্দ ত্রুটি হার, গতি ও মূল্য তুলনা করুন। প্রতিটি সংখ্যা বাস্তব মঙ্গোলীয় অডিওতে মাপা — বিপণন নয়।

ব্যবহৃত ডেটাসেট

প্রতিটি সরবরাহকারীর পরীক্ষায় ব্যবহৃত উন্মুক্ত স্পিচ কর্পাস। ডেটাসেটের বিবরণ, লাইসেন্স ও ডাউনলোড দেখতে উৎস লিংক খুলুন।

WER বনাম গতি

প্রতিটি বিন্দু একজন প্রদানকারী। আদর্শ অবস্থান নিচে-ডানে (কম ত্রুটি, দ্রুত)। বাস্তব মঙ্গোলীয় অডিওতে মাপা।

Google STTDuudlaga FlowSpeechmaticsChimegeOpenAI WhisperGPT-4o TranscribeAzure SpeechGladiaGemma 4Whisper large-v3Whisper large-v3-turboWhisper large-v2 MNSeamlessM4T v2MMS-1B-allMoonshine MNwav2vec2 XLSR-53 MNWhisper turbo MNWhisper medium MNElevenLabs Scribe v1ElevenLabs Scribe v2Qwen3-ASR-FlashDolphin smallOmniASR CTC-1BOmniASR LLM-1BVibeVoice ASRWhisper large-v3 MN

প্রদানকারী তুলনা

যেকোনো কলাম সাজান। কোনো প্রদানকারীর নমুনাভিত্তিক বিবরণ, মূল্য ও পদ্ধতির জন্য বিস্তারিতে ক্লিক করুন।

প্রদানকারীWER ↑CERনির্ভুলতাগতিবিলম্বমূল্য / 1000 মিনিট
Speechmatics
14.4%7.4%85.6%0.51×13.8s$8.5বিস্তারিত
Duudlaga Flowআমাদের
14.6%7.6%85.4%1.47×5.2s$19.4বিস্তারিত
Chimege
14.6%6.6%85.4%1.51×4.7s$11.1বিস্তারিত
Google STT
16.9%7.4%83.1%1.98×3.7s$16বিস্তারিত
Whisper large-v2 MN
20.7%8.3%79.3%0.53×13.5s$0বিস্তারিত
Azure Speech
20.8%9.7%79.2%0.39×17.3s$16.7বিস্তারিত
Whisper medium MNওভারল্যাপ
22.5%8.9%77.5%2.7×2.7s$0বিস্তারিত
SeamlessM4T v2
24%11.1%76%0.39×26.3s$0বিস্তারিত
Whisper turbo MNওভারল্যাপ
25.7%9.2%74.3%2.43×3.0s$0বিস্তারিত
ElevenLabs Scribe v1
27.1%10.8%72.9%2.14×3.3s$6.7বিস্তারিত
ElevenLabs Scribe v2
27.1%10.6%72.9%1.51×4.7s$3.7বিস্তারিত
Gemma 4
30.2%14.7%69.8%1×7.3s$0বিস্তারিত
OmniASR LLM-1B
33.8%14.2%66.2%0.27×26.6s$0বিস্তারিত
Whisper large-v3 MNওভারল্যাপ
39.4%14.9%60.6%1.57×4.5s$0বিস্তারিত
MMS-1B-all
41.7%12.3%58.3%19.2×0.4s$0বিস্তারিত
wav2vec2 XLSR-53 MNওভারল্যাপ
45%16.4%55%42.32×0.2s$0বিস্তারিত
Dolphin small
49.1%19.2%50.9%1.73×4.1s$0বিস্তারিত
OmniASR CTC-1B
51.2%15.5%48.8%0.6×11.7s$0বিস্তারিত
GPT-4o Transcribe
53%27.6%47%2.11×3.7s$6বিস্তারিত
Moonshine MNওভারল্যাপ
58.8%45.2%41.2%8.44×0.8s$0বিস্তারিত
Whisper large-v3
89.5%37.4%10.5%1.29×6.0s$0বিস্তারিত
Gladia
90.1%38.9%9.9%0.75×9.4s$10.2বিস্তারিত
Whisper large-v3-turbo
99%54.4%1%0.91×8.7s$0বিস্তারিত
Qwen3-ASR-Flash
103.7%86.4%-3.7%2.19×3.2s$2.1বিস্তারিত
OpenAI Whisper
105.2%63.7%-5.2%1.5×4.5s$6বিস্তারিত
VibeVoice ASR
107%61%-7%0.53×12.1s$0বিস্তারিত
Gemini Flash
বেঞ্চমার্ক শীঘ্রই আসছে

সব ফলাফল বাস্তব মঙ্গোলীয় ডেটাসেটে মাপা। গতি × রিয়েল-টাইম (বেশি = দ্রুত)। কম WER ভালো।

ওভারল্যাপ— এই ব্যাজওয়ালা মডেলগুলো এমন ডেটায় প্রশিক্ষিত যা বেঞ্চমার্কের কর্পাসের সঙ্গে মিলে যায় (মঙ্গোলীয় Common Voice — ১৭৩টির মধ্যে ১১৩টি নমুনা — অথবা Shunya Labs-এর উন্মুক্ত কর্পাস)। মিলে যাওয়া কর্পাসে স্কোর মুখস্থের কারণে বেশি দেখায়; এই মডেলগুলোকে বিস্তারিত পাতার ডেটাসেট-ভিত্তিক টেবিল দিয়ে বিচার করুন, বিশেষ করে যেসব কর্পাসে সেগুলো প্রশিক্ষিত হয়নি।

Duudlaga Voice Set

92 samples · 10.2 min · 28 systems

A second corpus recorded first-party for this benchmark, covering what the public Mongolian datasets barely contain: modern loanwords, English/Mongolian code-switching, numbers, dates, and commands. Every system is measured on the same 92 recordings.

প্রদানকারীWERCERনির্ভুলতাগতি
1Duudlaga Flowআমাদের
9.5%5.3%90.5%1.27×
2Google STT
11.7%5.5%88.3%2.28×
3Chimege
14.5%6.8%85.5%1.48×
4Speechmatics
15.3%7.6%84.7%0.5×
5Gemini 3.5 Flash
19.5%11.4%80.5%0.06×
6SeamlessM4T v2ওপেন সোর্স
22.9%10.4%77.1%4.32×
7Whisper large-v2 MNওপেন সোর্স
23.2%10.9%76.8%0.55×
8ElevenLabs Scribe v1
23.4%9.3%76.6%2.09×
9ElevenLabs Scribe v2
24.6%9.8%75.4%1.47×
10Azure Speech
26.1%10.9%73.9%0.32×
11Gemma 4ওপেন সোর্স
27.7%13.2%72.3%1.04×
12OmniASR LLM-1Bওপেন সোর্স
34.5%14.5%65.5%0.27×
13Whisper medium MNওপেন সোর্সওভারল্যাপ
35.1%14.8%64.9%2.71×
14Whisper turbo MNওপেন সোর্সওভারল্যাপ
37.6%14.1%62.4%2.59×
15Whisper large-v3 MNওপেন সোর্সওভারল্যাপ
41%17.1%59%1.58×
16GPT-4o Transcribe
44.3%23.7%55.7%2.62×
17MMS-1B-allওপেন সোর্স
45.3%15.1%54.7%20.52×
18Dolphin smallওপেন সোর্স
46.1%19%53.9%1.69×
19W2v-BERT 2.0 MNওপেন সোর্সওভারল্যাপ
46.3%18.2%53.7%28.12×
20OmniASR CTC-1Bওপেন সোর্স
54.9%18.9%45.1%0.59×
21wav2vec2 XLSR-53 MNওপেন সোর্সওভারল্যাপ
56.3%23.9%43.7%45.7×
22Whisper large-v3ওপেন সোর্স
87.3%36.6%12.7%1.55×
23Gladia
88.1%39.9%11.9%0.74×
24Moonshine MNওপেন সোর্সওভারল্যাপ
96.2%75.7%3.8%8.36×
25Whisper large-v3-turboওপেন সোর্স
98.1%57.1%1.9%1.19×
26Qwen3-ASR-Flash
103.6%89.9%-3.6%2.07×
27OpenAI Whisper
104.6%63.8%-4.6%1.32×
28VibeVoice ASRওপেন সোর্স
110.1%64%-10.1%0.4×

এই বেঞ্চমার্কের জন্য নিজেরাই রেকর্ড করা — অডিও বিতরণ করা হয় না, কেবল পরিমাপ।