Qwen3-ASR-Flashऑपरेटिंग पॉइंट: qwen3-asr-flash

Qwen3-ASR-Flash — मंगोलियाई स्पीच-टू-टेक्स्ट बेंचमार्क

Qwen3-ASR-Flash Batch API (उन्नत संचालन बिंदु, भाषा auto (mn rejected)) 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:AUTO (MN REJECTED)वक्ता पृथक्करण:noneनमूने:265चलाना:Aug 24, 2026, 3:13 PMएंडपॉइंट:https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

सटीकता

265/265 नमूने ट्रांसक्राइब किए गए · 100% सफलता

शब्द त्रुटि दर

कम बेहतर है · 265 नमूनों पर

मुख्य मेट्रिक्स

अक्षर त्रुटि दर86.4%

औसत गति गुणांक2.19×रियल-टाइम गुणक

कुल गति गुणांक2.19×

प्रति नमूना औसत विलंबता3.2s

कुल संसाधित ऑडियो1849.3s30.8 मिनट

मूल्य

बैच ट्रांसक्रिप्शन के लिए Qwen3-ASR-Flash की सूची मूल्य। कोई छूट या परक्राम्य दर नहीं — प्रति मिनट कच्चा दर।

प्रति 1000 मिनट

$2.1

बैच

प्रति मिनट

$0.0021

प्रभावी

प्रति 1000 मिनट (ये 30.8 मिनट)

$3.88

लागत

ओपन सोर्स?

✗

स्वामित्व

मूल्य स्रोत: Qwen3-ASR-Flash सार्वजनिक मूल्य। Duudlaga Flow केवल संदर्भ हेतु दिखाया गया है — यह पृष्ठ Qwen3-ASR-Flash 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 Qwen3-ASR-Flash के वास्तविक अंक हैं, जो Common Voice 24 पर कमज़ोर हैं।

Common Voice 24 (MN)

स्रोत डेटासेट →

WER

105.2%

CER

90%

Shunya Labs Mongolian Speech

स्रोत डेटासेट →

WER

102.3%

CER

75.2%

Common Voice 20 (MN)

स्रोत डेटासेट →

WER

104.5%

CER

90.4%

Modern Voice

WER

103.2%

CER

89.1%

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	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 बनाम गति — प्रति नमूना

प्रत्येक बिंदु एक ऑडियो नमूना है। आदर्श स्थान निचले-बाएँ (कम त्रुटि, तेज़) है। Qwen3-ASR-Flash 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 Qwen3-ASR-Flash 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)	Qwen3-ASR-Flash परिणाम	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

…पृष्ठ 1 / 27

कार्यप्रणाली

ये अंक कैसे प्राप्त किए गए।

प्रदाता: 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).).

एंडपॉइंट https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation. भाषा auto (mn rejected). ऑपरेटिंग पॉइंट qwen3-asr-flash. 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 Qwen3-ASR-Flash 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।

Qwen3-ASR-Flash Benchmark Runner द्वारा निर्मित · Qwen3-ASR-Flash Batch API v2 · चलाना Aug 24, 2026, 3:13 PM