Qwen3-ASR-Flash — معیار تبدیل گفتار مغولی به متن
نتایج واقعی از Qwen3-ASR-Flash Batch API (نقطه عملیاتی بهبودیافته، زبان auto (mn rejected)) ارزیابیشده روی 4 مجموعه داده مغولی و 265 نمونه صوتی. هر عدد زیر اندازهگیری شده است — بازاریابی نیست. WER، سرعت و قیمت همانگونه که هستند نمایش داده میشوند، با صداقتی بیپرده.
265/265 نمونه پیادهسازی شد · ۱۰۰٪ موفقیت
کمتر بهتر است · روی 265 نمونه
قیمت
قیمت فهرست Qwen3-ASR-Flash برای پیادهسازی دستهای. بدون تخفیف یا نرخ توافقی — نرخ خام به ازای هر دقیقه.
منبع قیمت: قیمتهای عمومی Qwen3-ASR-Flash. Duudlaga Flow فقط برای زمینه نمایش داده میشود — این صفحه Qwen3-ASR-Flash را جدا میکند تا عدد با محصول ما بزرگنمایی نشود.
WER و CER به ازای مجموعه داده
نرخهای خطای کلمه و نویسه به ازای مجموعه داده. کمتر بهتر است — و این اعداد واقعی Qwen3-ASR-Flash هستند که در Common Voice 24 ضعیفاند.
خلاصه مجموعه دادهها
دقت، سرعت و زمان تجمیعی برای هر مجموعه داده.
| مجموعه داده | Source | نمونهها | موفقیت | WER | CER | دقت | سرعت | صوت (ث) | پردازش (ث) |
|---|---|---|---|---|---|---|---|---|---|
| Common Voice 24 (MN) | Hugging Face → | 59 | 59/59 | 105.2% | 90% | -5.2% | 2.81× | 330.6s | 117.7s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 102.3% | 75.2% | -2.3% | 1.94× | 645.1s | 332.9s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 104.5% | 90.4% | -4.5% | 2.71× | 269.8s | 99.5s |
| Modern Voice | — | 92 | 92/92 | 103.2% | 89.1% | -3.2% | 2.04× | 603.8s | 295.3s |
WER در برابر سرعت — به ازای نمونه
هر نقطه یک نمونه صوتی است. جای ایدهآل پایین-چپ است (خطای کم، سریع). Qwen3-ASR-Flash در بسیاری از نمونههای Common Voice 24 خطای بالایی دارد.
نتایج به ازای نمونه
حقیقت مرجع همانگونه که هست در ستون «مورد انتظار» نمایش داده میشود. ستون نتیجه فقط کلماتی را که Qwen3-ASR-Flash اشتباه کرده قرمز برجسته میکند — بدون خطخوردگی/جابهجایی، فقط اشتباهها.
| # | صدا | نمونه | مجموعه داده | مورد انتظار (حقیقت مرجع) | نتیجه Qwen3-ASR-Flash | WER | CER | I/D/S |
|---|---|---|---|---|---|---|---|---|
| 1 | btsee_0001 | Common Voice 24 (MN) | Гэхдээ амьсгал хураахаасаа өмнө танд мэдэж байгаагаа хэлье. | كشدا مسخرة خاصة ومن تندم يدي جاغا هي لي. | 112.5% | 87.9% | 1/0/8 | |
| 2 | btsee_0002 | Common Voice 24 (MN) | Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | 나타자야상아처럼깨끗이剃도그러곤살에혹자떼버리는게좋. | 100.0% | 100.0% | 0/11/1 | |
| 3 | btsee_0003 | Common Voice 24 (MN) | Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе. | أعطى بيدروس دوتشين فيكيسي سفيرًا لتشيكيا. | 100.0% | 92.3% | 0/1/6 | |
| 4 | btsee_0004 | Common Voice 24 (MN) | Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн. | Við varst kalt og hér er gott, ég þyrfti þér ekki að segja það kom. | 150.0% | 111.8% | 5/0/10 | |
| 5 | btsee_0005 | Common Voice 24 (MN) | Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ. | خانفرم استورت سپورت کویبرا ونیو خیرت ثووگارنیرو شریمچی. | 100.0% | 92.2% | 0/2/8 | |
| 6 | btsee_0006 | Common Voice 24 (MN) | Алив наашаа ороод ир гээд гэртээ оров. | عجبنه شعرة كتكشت تعرف. | 100.0% | 91.9% | 0/3/4 | |
| 7 | btsee_0007 | Common Voice 24 (MN) | Өө өндөр дээдэс таны тухайд би баталж чадахгүй. | أو أنظر تلك التنيطات ببطء شتى. | 100.0% | 89.1% | 0/2/6 | |
| 8 | btsee_0008 | Common Voice 24 (MN) | Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв. | Herhangi rüptükle takas etmek umutsuzca zor çıktı. | 100.0% | 92.9% | 0/1/7 | |
| 9 | btsee_0009 | Common Voice 24 (MN) | Та нар очингуутаа шөл л өгч үз. | Таны орчингод шүдлэл тохуч. | 100.0% | 60.0% | 0/3/4 | |
| 10 | btsee_0010 | Common Voice 24 (MN) | Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь. | 이로써 롤드컵에서 사타구니 없앤 첫. | 100.0% | 91.7% | 0/2/5 |
روششناسی
این اعداد چگونه به دست آمدند.
ارائهدهنده: Qwen3-ASR-Flash (Alibaba qwen3-asr-flash hosted transcription with automatic language detection — Mongolian is not a supported language (the API rejects the 'mn' code).).
اندپوینت https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation. زبان auto (mn rejected). Operating point qwen3-asr-flash. تفکیک گویندگان none.
مجموعههای داده: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 نمونه، مجموعاً 1849.3s صوت.
- 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—
معیارها: WER و CER با همترازی استاندارد لوناشتاین کلمه/نویسه و با نرمالسازی حروف بزرگ/کوچک و نقطهگذاری محاسبه میشوند. دقت = ۱۰۰ − WER. ضریب سرعت = مدت صوت ÷ زمان پردازش (× زمان واقعی). همه درخواستها فراخوانی واقعی Batch API Qwen3-ASR-Flash هستند، نه کششده یا شبیهسازیشده.
برجستهسازی تفاوتها: ستون نتیجه با حقیقت مرجع همتراز میشود و هر جایگزینی و درجی را قرمز میکند. حذفها (کلمات غایب در نتیجه) در ستون نتیجه نمایش داده نمیشوند — ستون «مورد انتظار» کل حقیقت مرجع را همانگونه که هست دربردارد.