Classement de reconnaissance vocale en mongol

Comparez le taux d'erreur par mot, la vitesse et le prix des fournisseurs de reconnaissance vocale pour le mongol. Chaque chiffre est mesuré sur de l'audio mongol réel — pas du marketing.

Jeux de données utilisés

Corpus de parole publics utilisés pour chaque exécution de fournisseur. Ouvrez une URL source pour la fiche du jeu de données, sa licence et son téléchargement.

Common Voice 24 (MN)›https://huggingface.co/datasets/btsee/common-voices-24-mn
Shunya Labs Mongolian Speech›https://huggingface.co/datasets/shunyalabs/mongolian-speech-dataset
Common Voice 20 (MN)›https://huggingface.co/datasets/warmestman/common-voice-20-mn-normalized
Modern Voice›Enregistré par nos soins pour ce benchmark — audio non distribué, métriques uniquement.

WER vs vitesse

Chaque point est un fournisseur. L'idéal est en bas à droite (peu d'erreurs, rapide). Mesuré sur de l'audio mongol réel.

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

Comparaison des fournisseurs

Triez n'importe quelle colonne. Cliquez sur Détails pour le détail par échantillon, les prix et la méthodologie d'un fournisseur.

Open source

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

Tous les résultats sont mesurés sur des jeux de données mongols réels. La vitesse est × temps réel (plus haut = plus rapide). Un WER plus bas est meilleur.

Recoupement— Les modèles portant ce badge ont été entraînés sur des données qui recoupent les corpus du benchmark (Common Voice en mongol — 113 échantillons sur 173 — ou le corpus public de Shunya Labs). Les scores sur les corpus recoupés sont gonflés par la mémorisation ; jugez ces modèles sur le tableau par jeu de données de leur page de détails, en particulier sur les corpus sur lesquels ils n'ont PAS été entraînés.

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.

Fournisseur	WER	CER	Précision	Vitesse
1Duudlaga FlowLe nôtre	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 sourceRecoupement	35.1%	14.8%	64.9%	2.71×
14Whisper turbo MNOpen sourceRecoupement	37.6%	14.1%	62.4%	2.59×
15Whisper large-v3 MNOpen sourceRecoupement	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 sourceRecoupement	46.3%	18.2%	53.7%	28.12×
20OmniASR CTC-1BOpen source	54.9%	18.9%	45.1%	0.59×
21wav2vec2 XLSR-53 MNOpen sourceRecoupement	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 sourceRecoupement	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×

Enregistré par nos soins pour ce benchmark — audio non distribué, métriques uniquement.