Mongolische Spracherkennungs-Bestenliste

Vergleichen Sie Wortfehlerrate, Geschwindigkeit und Preis von Spracherkennungs-Anbietern für Mongolisch. Jede Zahl ist auf echtem mongolischem Audio gemessen — keine Werbung.

Verwendete Datensätze

Öffentliche Sprachkorpora, die für jeden Anbieterlauf verwendet wurden. Öffnen Sie eine Quell-URL für die Datensatzkarte, Lizenz und den Download.

WER vs. Geschwindigkeit

Jeder Punkt ist ein Anbieter. Ideal ist unten rechts (wenig Fehler, schnell). Gemessen auf echtem mongolischem Audio.

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

Anbietervergleich

Sortieren Sie jede Spalte. Klicken Sie auf Details für die Sample-Aufschlüsselung, Preise und Methodik eines Anbieters.

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

Alle Ergebnisse sind auf echten mongolischen Datensätzen gemessen. Geschwindigkeit ist × Echtzeit (höher = schneller). Niedrigerer WER ist besser.

Überschneidung— Modelle mit diesem Abzeichen wurden auf Daten trainiert, die sich mit den Benchmark-Korpora überschneiden (mongolisches Common Voice – 113 von 173 Stichproben – oder das öffentliche Shunya-Labs-Korpus). Werte auf überschneidenden Korpora sind durch Auswendiglernen überhöht; beurteilen Sie diese Modelle anhand der Tabelle je Datensatz auf ihrer Detailseite, besonders anhand der Korpora, auf denen sie NICHT trainiert wurden.

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.

AnbieterWERCERGenauigkeitGeschwindigkeit
1Duudlaga FlowEigen
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 v2Open Source
22.9%10.4%77.1%4.32×
7Whisper large-v2 MNOpen Source
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 4Open Source
27.7%13.2%72.3%1.04×
12OmniASR LLM-1BOpen Source
34.5%14.5%65.5%0.27×
13Whisper medium MNOpen SourceÜberschneidung
35.1%14.8%64.9%2.71×
14Whisper turbo MNOpen SourceÜberschneidung
37.6%14.1%62.4%2.59×
15Whisper large-v3 MNOpen SourceÜberschneidung
41%17.1%59%1.58×
16GPT-4o Transcribe
44.3%23.7%55.7%2.62×
17MMS-1B-allOpen Source
45.3%15.1%54.7%20.52×
18Dolphin smallOpen Source
46.1%19%53.9%1.69×
19W2v-BERT 2.0 MNOpen SourceÜberschneidung
46.3%18.2%53.7%28.12×
20OmniASR CTC-1BOpen Source
54.9%18.9%45.1%0.59×
21wav2vec2 XLSR-53 MNOpen SourceÜberschneidung
56.3%23.9%43.7%45.7×
22Whisper large-v3Open Source
87.3%36.6%12.7%1.55×
23Gladia
88.1%39.9%11.9%0.74×
24Moonshine MNOpen SourceÜberschneidung
96.2%75.7%3.8%8.36×
25Whisper large-v3-turboOpen Source
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 ASROpen Source
110.1%64%-10.1%0.4×

Für diesen Benchmark selbst aufgenommen – Audio wird nicht verbreitet, nur Messwerte.