Mongolische Spracherkennungs-Bestenliste

MMS-1B-allArbeitspunkt: facebook/mms-1b-all (mon CTC adapter) on mps

MMS-1B-all — Benchmark für mongolische Spracherkennung

Echte Ergebnisse der MMS-1B-all 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 18, 2026, 4:48 PMEndpoint:local (transformers)

Genauigkeit

265/265 Samples transkribiert · 100 % Erfolg

Wortfehlerrate

Niedriger ist besser · über 265 Samples

Kennzahlen

Zeichenfehlerrate12.3%

Ø Geschwindigkeitsfaktor19.2×Echtzeit-Vielfaches

Gesamt-Geschwindigkeitsfaktor19.2×

Ø Latenz pro Sample0.4s

Verarbeitetes Audio gesamt1849.3s30.8 Min.

Preis

MMS-1B-all-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 MMS-1B-all. Duudlaga Flow wird nur als Kontext gezeigt — diese Seite isoliert MMS-1B-all, 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 MMS-1B-all-Zahlen, die bei Common Voice 24 schwach sind.

Common Voice 24 (MN)

Quelldatensatz →

WER

39.8%

CER

10.4%

Shunya Labs Mongolian Speech

Quelldatensatz →

WER

30.3%

CER

7.2%

Common Voice 20 (MN)

Quelldatensatz →

WER

45.2%

CER

12.2%

Modern Voice

WER

48.3%

CER

17%

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	39.8%	10.4%	60.2%	16.59×	330.6s	19.9s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	30.3%	7.2%	69.7%	20.44×	645.1s	31.6s
Common Voice 20 (MN)	Hugging Face →	54	54/54	45.2%	12.2%	54.8%	17.98×	269.8s	15s
Modern Voice	—	92	92/92	48.3%	17%	51.7%	20.25×	603.8s	29.8s

WER vs. Geschwindigkeit — pro Sample

Jeder Punkt ist ein Audio-Sample. Der Sweet Spot ist unten links (wenig Fehler, schnell). MMS-1B-all 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 MMS-1B-all 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)	MMS-1B-all-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 ад жиргал гэдэг эрдэ гурвахан сарын хугацаатай байсан гэж үү	41.7%	10.7%	0/0/5
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	одоо тэд өөрсдөө өвчин энэгэйгээсээ салахыг чэцгээв	42.9%	17.3%	0/0/3
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 хурамс жуурлаж болдггүй бурөгний хоёр луугаар нэргүүлэхээр явгжээ	90.0%	22.1%	0/1/8
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	алив наашаа ороо дэр гээд гэртээ оров	28.6%	8.1%	0/0/2
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	өө өндөр дээд таны тухайд би ботолж чадахгүй	25.0%	8.7%	0/0/2
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	харин гурав дах удаагаас эхлэн хүмүүсийг сонирхож эхлэв	12.5%	1.8%	0/0/1
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	та нар очингуутаа шөлөл өгч үз	28.6%	3.3%	0/1/1
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	эрөөсөө л үйлдвэрээсээ салуагүй явсан юм чинь	42.9%	10.4%	0/0/3

…Seite 1 von 27

Methodik

Wie diese Zahlen entstanden sind.

Anbieter: MMS-1B-all (Meta Massively Multilingual Speech (1B, 1162 languages) with the Mongolian CTC adapter — no punctuation or casing by design.).

Endpoint local (transformers). Sprache mn. Arbeitspunkt facebook/mms-1b-all (mon CTC adapter) on mps. 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 MMS-1B-all-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 MMS-1B-all Benchmark Runner · MMS-1B-all Batch API v2 · Lauf Aug 18, 2026, 4:48 PM