GPT-4o Transcribeऑपरेटिंग पॉइंट: gpt-4o-transcribe

GPT-4o Transcribe — मंगोलियाई स्पीच-टू-टेक्स्ट बेंचमार्क

GPT-4o Transcribe Batch API (उन्नत संचालन बिंदु, भाषा mn) द्वारा 4 मंगोलियाई डेटासेट और 265 ऑडियो नमूनों पर निर्धारित वास्तविक परिणाम। नीचे का हर अंक मापा गया है — मार्केटिंग नहीं। WER, गति और मूल्य जैसा है वैसे ही, कठोर ईमानदारी से दिखाए गए हैं।

भाषा:MNवक्ता पृथक्करण:noneनमूने:265चलाना:Aug 14, 2026, 4:21 PMएंडपॉइंट:https://api.openai.com/v1/audio/transcriptions

सटीकता

265/265 नमूने ट्रांसक्राइब किए गए · 100% सफलता

शब्द त्रुटि दर

कम बेहतर है · 265 नमूनों पर

मुख्य मेट्रिक्स

अक्षर त्रुटि दर27.6%

औसत गति गुणांक2.11×रियल-टाइम गुणक

कुल गति गुणांक2.11×

प्रति नमूना औसत विलंबता3.7s

कुल संसाधित ऑडियो1849.3s30.8 मिनट

मूल्य

बैच ट्रांसक्रिप्शन के लिए GPT-4o Transcribe की सूची मूल्य। कोई छूट या परक्राम्य दर नहीं — प्रति मिनट कच्चा दर।

प्रति 1000 मिनट

बैच

प्रति मिनट

$0.0060

प्रभावी

प्रति 1000 मिनट (ये 30.8 मिनट)

$11.10

लागत

ओपन सोर्स?

✗

स्वामित्व

मूल्य स्रोत: GPT-4o Transcribe सार्वजनिक मूल्य। Duudlaga Flow केवल संदर्भ हेतु दिखाया गया है — यह पृष्ठ GPT-4o Transcribe को अलग करता है ताकि अंक हमारे उत्पाद से न फूले।

डेटासेट अनुसार WER और CER

प्रति डेटासेट शब्द और अक्षर त्रुटि दरें। कम बेहतर है — और ये GPT-4o Transcribe के वास्तविक अंक हैं, जो Common Voice 24 पर कमज़ोर हैं।

Common Voice 24 (MN)

स्रोत डेटासेट →

WER

61.3%

CER

31.1%

Shunya Labs Mongolian Speech

स्रोत डेटासेट →

WER

41.7%

CER

19.4%

Common Voice 20 (MN)

स्रोत डेटासेट →

WER

65.9%

CER

36.4%

Modern Voice

WER

47.4%

CER

25.5%

WERCER

डेटासेट सारांश

प्रत्येक डेटासेट की सकल सटीकता, गति और समय।

डेटासेट	स्रोत	नमूने	सफलता	WER	CER	सटीकता	गति	ऑडियो (से)	प्रसं. (से)
Common Voice 24 (MN)	Hugging Face →	59	59/59	61.3%	31.1%	38.7%	2.73×	330.6s	121.2s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	41.7%	19.4%	58.3%	1.67×	645.1s	386.8s
Common Voice 20 (MN)	Hugging Face →	54	54/54	65.9%	36.4%	34.1%	2.01×	269.8s	133.9s
Modern Voice	—	92	92/92	47.4%	25.5%	52.6%	2.59×	603.8s	233.4s

WER बनाम गति — प्रति नमूना

प्रत्येक बिंदु एक ऑडियो नमूना है। आदर्श स्थान निचले-बाएँ (कम त्रुटि, तेज़) है। GPT-4o Transcribe कई Common Voice 24 नमूनों पर त्रुटि में ऊँचा है।

प्रति-नमूना परिणाम

अपेक्षित कॉलम में आधार सत्य यथावत् दिखाया गया है। परिणाम कॉलम केवल वे शब्द लाल में हाइलाइट करता है जिन्हें GPT-4o Transcribe ने गलत किया — कोई स्ट्राइकथ्रू/स्वैप नहीं, केवल त्रुटियाँ।

सिर्फ़ ग़लतियाँ265 पंक्तियाँ

लालपरिणाम में गलत शब्दसाधारणसही ट्रांसक्राइब किया गयाअपेक्षित कॉलम आधार सत्य के रूप में यथावत् दिखाया गया

#	नमूना	डेटासेट	अपेक्षित (आधार सत्य)	GPT-4o Transcribe परिणाम	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 яваагаа хэлье.	12.5%	6.9%	0/0/1
2	btsee_0002	Common Voice 24 (MN)	Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү?	Надад сая санагдаж байгаа гэхэд ердөө гурван сарийн хугацаатай байсан л гэж үү?	58.3%	22.7%	1/0/6
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	Одоо би дуртай хүнтэйгээ салахыг хүсч байгаа.	85.7%	51.9%	0/0/6
4	btsee_0004	Common Voice 24 (MN)	Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн.	Би бас голдуу хэрээр гэр, хэцэр дээр хийж явдаг хүн.	40.0%	9.8%	0/0/4
5	btsee_0005	Common Voice 24 (MN)	Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ.	Хаварын сүүлчээс барлагийн хоёр зоогоор нэргүүл шарив.	100.0%	66.2%	0/3/7
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	Айсин наашаараад ир, гэж гэртээ оров.	57.1%	24.3%	0/1/3
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	Оо, өндөртэд таныг тохойод би баталж чадахгүй.	62.5%	23.9%	0/1/4
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	Харин 33 дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	12.5%	8.9%	0/0/1
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	Та нар орчлонгоудаа шүүлт өгч үз.	42.9%	30.0%	0/1/2
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	Ирүүсөөл үлдүүрээсээ салаагүй явсна юм чинь.	57.1%	25.0%	0/1/3

…पृष्ठ 1 / 27

कार्यप्रणाली

ये अंक कैसे प्राप्त किए गए।

प्रदाता: GPT-4o Transcribe (OpenAI gpt-4o-transcribe hosted transcription (Mongolian prompt hint; 'mn' is not an accepted language code).).

एंडपॉइंट https://api.openai.com/v1/audio/transcriptions. भाषा mn. ऑपरेटिंग पॉइंट gpt-4o-transcribe. वक्ता पृथक्करण none.

डेटासेट: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 नमूने, कुल 1849.3s ऑडियो।

डेटासेट स्रोत लिंक:

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—

मेट्रिक्स: WER और CER मानक शब्द/अक्षर लेवेनश्टाइन संरेखण से, केस व विराम चिह्न पर अनुमापित, गणना किए जाते हैं। सटीकता = 100 − WER। गति गुणांक = ऑडियो अवधि ÷ प्रसंस्करण समय (× रियल-टाइम)। सभी अनुरोध वास्तविक GPT-4o Transcribe Batch API कॉल हैं, कैश या सिम्युलेटेड नहीं।

अंतर हाइलाइटिंग: परिणाम कॉलम आधार सत्य से संरेखित होता है और प्रत्येक प्रतिस्थापन व निवेश को लाल रंग करता है। विलोपन (परिणाम से अनुपस्थित शब्द) परिणाम कॉलम में नहीं दिखाए जाते — अपेक्षित कॉलम पहले से संपूर्ण आधार सत्य यथावत् रखता है।

GPT-4o Transcribe Benchmark Runner द्वारा निर्मित · GPT-4o Transcribe Batch API v2 · चलाना Aug 14, 2026, 4:21 PM