Whisper large-v3-turboऑपरेटिंग पॉइंट: openai/whisper-large-v3-turbo (language=mn, task=transcribe) on mps

Whisper large-v3-turbo — मंगोलियाई स्पीच-टू-टेक्स्ट बेंचमार्क

Whisper large-v3-turbo 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, 5:57 AMएंडपॉइंट:local (transformers)

सटीकता

265/265 नमूने ट्रांसक्राइब किए गए · 100% सफलता

शब्द त्रुटि दर

कम बेहतर है · 265 नमूनों पर

मुख्य मेट्रिक्स

अक्षर त्रुटि दर54.4%

औसत गति गुणांक0.91×रियल-टाइम गुणक

कुल गति गुणांक0.91×

प्रति नमूना औसत विलंबता8.7s

कुल संसाधित ऑडियो1849.3s30.8 मिनट

मूल्य

बैच ट्रांसक्रिप्शन के लिए Whisper large-v3-turbo 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: Whisper large-v3-turbo सार्वजनिक मूल्य। Duudlaga Flow केवल संदर्भ हेतु दिखाया गया है — यह पृष्ठ Whisper large-v3-turbo 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 Whisper large-v3-turbo के वास्तविक अंक हैं, जो Common Voice 24 पर कमज़ोर हैं।

Common Voice 24 (MN)

स्रोत डेटासेट →

WER

100.3%

CER

56.2%

Shunya Labs Mongolian Speech

स्रोत डेटासेट →

WER

99.4%

CER

47.7%

Common Voice 20 (MN)

स्रोत डेटासेट →

WER

101%

CER

58.1%

Modern Voice

WER

96.8%

CER

55.6%

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	100.3%	56.2%	-0.3%	0.86×	330.6s	382.6s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	99.4%	47.7%	0.6%	1.01×	645.1s	640.2s
Common Voice 20 (MN)	Hugging Face →	54	54/54	101%	58.1%	-1.0%	0.55×	269.8s	489.7s
Modern Voice	—	92	92/92	96.8%	55.6%	3.2%	1.18×	603.8s	513.8s

WER बनाम गति — प्रति नमूना

प्रत्येक बिंदु एक ऑडियो नमूना है। आदर्श स्थान निचले-बाएँ (कम त्रुटि, तेज़) है। Whisper large-v3-turbo 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 Whisper large-v3-turbo 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)	Whisper large-v3-turbo परिणाम	WER	CER	I/D/S
1	btsee_0001	Common Voice 24 (MN)	Гэхдээ амьсгал хураахаасаа өмнө танд мэдэж байгаагаа хэлье.	Дээ амсхалд бараа бээхэээ тэндэ мэдэжэээгээээ хэлэээ.	100.0%	56.9%	0/1/7
2	btsee_0002	Common Voice 24 (MN)	Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү?	нады заясан аджырғалгеттэгэртэ құрыққын сарай құтсаттэ бәсэнгэ чуэл	100.0%	54.7%	0/4/8
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	Одо дэ дүр стөл чин рэгэсэсэлэй чэцгэй	100.0%	51.9%	0/0/7
4	btsee_0004	Common Voice 24 (MN)	Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн.	Би боз қолтүү хэрэр гэр цэр дэр хий жабдэг хүн	60.0%	29.4%	0/0/6
5	btsee_0005	Common Voice 24 (MN)	Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ.	Hann formast orðlas boltgu, borðu hún hærð, þógar, neyrgur fyrir og sér.	120.0%	92.2%	2/0/10
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	Эсфина þessi орður, get gist í orð.	100.0%	83.8%	0/0/7
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	Уүндөрдээд тэний түхээд би бодал чадагүй.	87.5%	37.0%	0/2/5
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	хараан горубтойг үудагаас сай кайлиң хүнүүсыйг сан рэх бэг келл ў.	137.5%	62.5%	3/0/8
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	Танар отжунгута шүлэл ўүтжүт.	100.0%	43.3%	0/3/4
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	Ёрөз үлтурэсэй салагы афсэймчэн.	100.0%	58.3%	0/3/4

…पृष्ठ 1 / 27

कार्यप्रणाली

ये अंक कैसे प्राप्त किए गए।

प्रदाता: Whisper large-v3-turbo (Whisper large-v3-turbo open weights (4 decoder layers) run locally — the speed-optimised distillation of large-v3.).

एंडपॉइंट local (transformers). भाषा mn. ऑपरेटिंग पॉइंट openai/whisper-large-v3-turbo (language=mn, task=transcribe) 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 Whisper large-v3-turbo 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।

Whisper large-v3-turbo Benchmark Runner द्वारा निर्मित · Whisper large-v3-turbo Batch API v2 · चलाना Aug 18, 2026, 5:57 AM