Papan peringkat speech-to-text bahasa Mongol

Bandingkan tingkat kesalahan kata, kecepatan, dan harga antar penyedia speech-to-text untuk bahasa Mongol. Setiap angka diukur pada audio Mongol nyata — bukan pemasaran.

Dataset yang dipakai

Korpus ucapan publik yang dipakai pada tiap pengujian penyedia. Buka URL sumber untuk melihat kartu dataset, lisensi, dan unduhannya.

WER vs kecepatan

Setiap titik adalah satu penyedia. Titik ideal di kanan bawah (sedikit kesalahan, cepat). Diukur pada audio Mongol nyata.

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

Perbandingan penyedia

Urutkan kolom apa pun. Klik Detail untuk rincian per sampel, harga, dan metodologi sebuah penyedia.

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

Semua hasil diukur pada dataset Mongol nyata. Kecepatan adalah × waktu nyata (lebih tinggi = lebih cepat). WER lebih rendah lebih baik.

Tumpang tindih— Model dengan lencana ini dilatih pada data yang tumpang tindih dengan korpus benchmark (Common Voice Mongolia — 113 dari 173 sampel — atau korpus publik Shunya Labs). Skor pada korpus yang tumpang tindih menjadi tinggi karena hafalan; nilai model ini lewat tabel per dataset di halaman detailnya, terutama korpus yang TIDAK dipakai melatihnya.

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.

PenyediaWERCERAkurasiKecepatan
1Duudlaga FlowMilik kami
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 v2Sumber terbuka
22.9%10.4%77.1%4.32×
7Whisper large-v2 MNSumber terbuka
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 4Sumber terbuka
27.7%13.2%72.3%1.04×
12OmniASR LLM-1BSumber terbuka
34.5%14.5%65.5%0.27×
13Whisper medium MNSumber terbukaTumpang tindih
35.1%14.8%64.9%2.71×
14Whisper turbo MNSumber terbukaTumpang tindih
37.6%14.1%62.4%2.59×
15Whisper large-v3 MNSumber terbukaTumpang tindih
41%17.1%59%1.58×
16GPT-4o Transcribe
44.3%23.7%55.7%2.62×
17MMS-1B-allSumber terbuka
45.3%15.1%54.7%20.52×
18Dolphin smallSumber terbuka
46.1%19%53.9%1.69×
19W2v-BERT 2.0 MNSumber terbukaTumpang tindih
46.3%18.2%53.7%28.12×
20OmniASR CTC-1BSumber terbuka
54.9%18.9%45.1%0.59×
21wav2vec2 XLSR-53 MNSumber terbukaTumpang tindih
56.3%23.9%43.7%45.7×
22Whisper large-v3Sumber terbuka
87.3%36.6%12.7%1.55×
23Gladia
88.1%39.9%11.9%0.74×
24Moonshine MNSumber terbukaTumpang tindih
96.2%75.7%3.8%8.36×
25Whisper large-v3-turboSumber terbuka
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 ASRSumber terbuka
110.1%64%-10.1%0.4×

Direkam sendiri untuk benchmark ini — audio tidak dibagikan, hanya metriknya.