Mongolische Spracherkennungs-Bestenliste

Dolphin smallArbeitspunkt: dolphin-small (mn-MN, cpu)

Dolphin small — Benchmark für mongolische Spracherkennung

Echte Ergebnisse der Dolphin small Batch API (verbesserter Operating Point, Sprache mn), ausgewertet auf 4 mongolischen Datensätzen und 265 Audio-Samples. Alle Zahlen unten sind gemessen — keine Werbung. WER, Geschwindigkeit und Preis werden ungeschönt und brutal ehrlich gezeigt.

Sprache:MNDiarisierung:noneStichproben:265Lauf:Aug 24, 2026, 7:21 PMEndpoint:local (dolphin)

Genauigkeit

265/265 Samples transkribiert · 100 % Erfolg

Wortfehlerrate

Niedriger ist besser · über 265 Samples

Kennzahlen

Zeichenfehlerrate19.2%

Ø Geschwindigkeitsfaktor1.73×Echtzeit-Vielfaches

Gesamt-Geschwindigkeitsfaktor1.73×

Ø Latenz pro Sample4.1s

Verarbeitetes Audio gesamt1849.3s30.8 Min.

Preis

Dolphin small-Listenpreis für Batch-Transkription. Keine Rabatte oder verhandelten Tarife — der rohe Preis pro Minute.

Pro 1000 Minuten

Batch

Pro Minute

$0.0000

effektiv

Pro 1000 Min (diese 30.8 Min)

$0.00

würde kosten

Open Source?

✓

proprietär

Preisquelle: öffentliche Preise von Dolphin small. Duudlaga Flow wird nur als Kontext gezeigt — diese Seite isoliert Dolphin small, damit die Zahl nicht durch unser eigenes Produkt aufgebläht wird.

WER & CER nach Datensatz

Wort- und Zeichenfehlerraten pro Datensatz. Niedriger ist besser — und dies sind die echten Dolphin small-Zahlen, die bei Common Voice 24 schwach sind.

Common Voice 24 (MN)

Quelldatensatz →

WER

46.6%

CER

14.8%

Shunya Labs Mongolian Speech

Quelldatensatz →

WER

49.7%

CER

19.2%

Common Voice 20 (MN)

Quelldatensatz →

WER

46.3%

CER

15.6%

Modern Voice

WER

52.2%

CER

24.2%

WERCER

Datensatz-Zusammenfassung

Aggregierte Genauigkeit, Geschwindigkeit und Zeitmessung je Datensatz.

Datensatz	Quelle	Stichproben	Erfolg	WER	CER	Genauigkeit	Geschwindigkeit	Audio (s)	Verarb. (s)
Common Voice 24 (MN)	Hugging Face →	59	59/59	46.6%	14.8%	53.4%	1.25×	330.6s	263.9s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	49.7%	19.2%	50.3%	2.59×	645.1s	248.8s
Common Voice 20 (MN)	Hugging Face →	54	54/54	46.3%	15.6%	53.7%	1.41×	269.8s	191.7s
Modern Voice	—	92	92/92	52.2%	24.2%	47.8%	1.67×	603.8s	362.3s

WER vs. Geschwindigkeit — pro Sample

Jeder Punkt ist ein Audio-Sample. Der Sweet Spot ist unten links (wenig Fehler, schnell). Dolphin small liegt bei vielen Common-Voice-24-Samples hoch im Fehler.

Ergebnisse pro Sample

Die Ground Truth wird in der Spalte „Erwartet“ unverändert gezeigt. Die Ergebnisspalte hebt nur die Wörter rot hervor, die Dolphin small falsch hatte — keine Durchstreich-Wechsel, nur die Fehler.

Nur Fehler265 Zeilen

rotfalsches Wort im Ergebnisnormalkorrekt transkribiertDie Spalte „Erwartet“ wird unverändert als Ground Truth gezeigt

#	Stichprobe	Datensatz	Erwartet (Ground Truth)	Dolphin small-Ergebnis	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?	Нада заяасан ажжиргах гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү?	25.0%	6.7%	0/1/2
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	Одоо бид өөрсдөө өвжийн эмгэсээ салалахыг хичицгэя.	57.1%	21.2%	0/0/4
4	btsee_0004	Common Voice 24 (MN)	Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн.	би бол голдуу хээрээр гэр хэцээр дэр хийж явдаг хүн.	0.0%	0.0%	0/0/0
5	btsee_0005	Common Voice 24 (MN)	Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ.	Хан хурмаст урлаж болдогүй боро өгний хоёр луугаар нэргүүлэхээр явжээ.	80.0%	16.9%	0/0/8
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	Аli нашаа ород гээдгэшдээ ор	100.0%	35.1%	0/2/5
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	Өөө өндөр дээд таны тухайд би ботал чадахгүй.	37.5%	10.9%	0/0/3
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	Харин гурав дах удаагааас эхлэв хүмүүсийг сонирхожж эхлэв.	50.0%	7.1%	0/0/4
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	Танар очингуудаа шөлөл өгч үз.	71.4%	10.0%	0/2/3
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	Ерөөсөө л үйлдвэрээсээ салаугүй явсан юм чинь.	28.6%	8.3%	0/0/2

…Seite 1 von 27

Methodik

Wie diese Zahlen entstanden sind.

Anbieter: Dolphin small (DataoceanAI/Tsinghua Dolphin ASR run locally — 40 Eastern languages including Mongolian (lang=mn, region=MN).).

Endpoint local (dolphin). Sprache mn. Arbeitspunkt dolphin-small (mn-MN, cpu). Diarisierung none.

Datensätze: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 Samples, insgesamt 1849.3s Audio.

Quell-URLs der Datensätze:

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—

Kennzahlen: WER und CER werden mit einem Standard-Wort-/Zeichen-Levenshtein-Alignment berechnet, normalisiert für Groß-/Kleinschreibung und Zeichensetzung. Genauigkeit = 100 − WER. Geschwindigkeitsfaktor = Audiodauer ÷ Verarbeitungszeit (× Echtzeit). Alle Anfragen sind echte Dolphin small-Batch-API-Aufrufe, weder gecacht noch simuliert.

Diff-Hervorhebung: Die Ergebnisspalte wird an der Ground Truth ausgerichtet und färbt jede Substitution und Insertion rot. Deletionen (im Ergebnis fehlende Wörter) werden nicht in der Ergebnisspalte gezeigt — die Spalte „Erwartet“ enthält bereits die volle Ground Truth unverändert.

Erstellt vom Dolphin small Benchmark Runner · Dolphin small Batch API v2 · Lauf Aug 24, 2026, 7:21 PM