wav2vec2 XLSR-53 MNऑपरेटिंग पॉइंट: anton-l/wav2vec2-large-xlsr-53-mongolian (CTC) on mps

wav2vec2 XLSR-53 MN — मंगोलियाई स्पीच-टू-टेक्स्ट बेंचमार्क

wav2vec2 XLSR-53 MN 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 18, 2026, 5:41 PMएंडपॉइंट:local (transformers)

सटीकता

265/265 नमूने ट्रांसक्राइब किए गए · 100% सफलता

शब्द त्रुटि दर

कम बेहतर है · 265 नमूनों पर

मुख्य मेट्रिक्स

अक्षर त्रुटि दर16.4%

औसत गति गुणांक42.32×रियल-टाइम गुणक

कुल गति गुणांक42.32×

प्रति नमूना औसत विलंबता0.2s

कुल संसाधित ऑडियो1849.3s30.8 मिनट

मूल्य

बैच ट्रांसक्रिप्शन के लिए wav2vec2 XLSR-53 MN की सूची मूल्य। कोई छूट या परक्राम्य दर नहीं — प्रति मिनट कच्चा दर।

प्रति 1000 मिनट

बैच

प्रति मिनट

$0.0000

प्रभावी

प्रति 1000 मिनट (ये 30.8 मिनट)

$0.00

लागत

ओपन सोर्स?

✓

स्वामित्व

मूल्य स्रोत: wav2vec2 XLSR-53 MN सार्वजनिक मूल्य। Duudlaga Flow केवल संदर्भ हेतु दिखाया गया है — यह पृष्ठ wav2vec2 XLSR-53 MN 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 wav2vec2 XLSR-53 MN के वास्तविक अंक हैं, जो Common Voice 24 पर कमज़ोर हैं।

Common Voice 24 (MN)

स्रोत डेटासेट →

WER

37.2%

CER

11.4%

Shunya Labs Mongolian Speech

स्रोत डेटासेट →

WER

44.6%

CER

15.3%

Common Voice 20 (MN)

स्रोत डेटासेट →

WER

31.7%

CER

9.6%

Modern Voice

WER

58%

CER

24.3%

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	37.2%	11.4%	62.8%	37.32×	330.6s	8.9s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	44.6%	15.3%	55.4%	45.18×	645.1s	14.3s
Common Voice 20 (MN)	Hugging Face →	54	54/54	31.7%	9.6%	68.3%	37.72×	269.8s	7.2s
Modern Voice	—	92	92/92	58%	24.3%	42.0%	45.1×	603.8s	13.4s

WER बनाम गति — प्रति नमूना

प्रत्येक बिंदु एक ऑडियो नमूना है। आदर्श स्थान निचले-बाएँ (कम त्रुटि, तेज़) है। wav2vec2 XLSR-53 MN 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 wav2vec2 XLSR-53 MN 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)	wav2vec2 XLSR-53 MN 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 ягаагаа хэлэе	25.0%	6.9%	0/0/2
2	btsee_0002	Common Voice 24 (MN)	Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү?	надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж хүү	8.3%	1.3%	0/0/1
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	одоо бид өөрждөө өвчин эмгийдээсээ салахыг хичээцгээ гийдэг	57.1%	21.2%	1/0/3
4	btsee_0004	Common Voice 24 (MN)	Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн.	би бол голдуу хээрээр гэр хэчээр дэр хийж явдаг хүн	10.0%	2.0%	0/0/1
5	btsee_0005	Common Voice 24 (MN)	Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ.	тав хурамжт уулаж болдоггүй бур вгүн хоёр луугаар нэргүүл хэрэгүлжээ	90.0%	29.9%	0/0/9
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	алив наашаа оройдр гээд гэртээ оров	28.6%	8.1%	0/1/1
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	өө өндөр дээд таны тухайд би баталж чадахгүй	12.5%	4.3%	0/0/1
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	харин гурав даг удаагаас эхлэх хүмүүсийг сонирхож эхлэв	25.0%	5.4%	0/0/2
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	та нар очингуутаа шүлэл өгч үз	28.6%	6.7%	0/1/1
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	ерөөсөө л үйлдвэрээсээ салуугүй орсон юм чинь	42.9%	16.7%	0/0/3

…पृष्ठ 1 / 27

कार्यप्रणाली

ये अंक कैसे प्राप्त किए गए।

प्रदाता: wav2vec2 XLSR-53 MN (wav2vec2 XLSR-53 fine-tuned on Mongolian Common Voice — by download count the most-used Mongolian-specific open ASR model on the Hub. CTC output, so no punctuation or casing.). इस बैज वाले मॉडल ऐसे डेटा पर प्रशिक्षित हुए हैं जो बेंचमार्क कॉर्पस से मेल खाता है (मंगोलियाई Common Voice — 173 में से 113 सैंपल — या Shunya Labs का सार्वजनिक कॉर्पस)। ओवरलैप वाले कॉर्पस के अंक रटने की वजह से बढ़े हुए आते हैं; इन मॉडलों को विवरण पृष्ठ की डेटासेट-वार तालिका से आँकें, ख़ासकर उन कॉर्पस से जिन पर वे प्रशिक्षित नहीं हुए।

एंडपॉइंट local (transformers). भाषा mn. ऑपरेटिंग पॉइंट anton-l/wav2vec2-large-xlsr-53-mongolian (CTC) on mps. 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 wav2vec2 XLSR-53 MN 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।

wav2vec2 XLSR-53 MN Benchmark Runner द्वारा निर्मित · wav2vec2 XLSR-53 MN Batch API v2 · चलाना Aug 18, 2026, 5:41 PM