モンゴル語 音声テキスト変換リーダーボード

モンゴル語の音声テキスト変換プロバイダの単語誤り率・速度・価格を比較します。すべての数値は実際のモンゴル語音声で実測 — 宣伝ではありません。

使用したデータセット

各プロバイダーの実行に使用した公開音声コーパスです。ソース URL を開くと、データセットの説明・ライセンス・ダウンロードを確認できます。

WER vs 速度

各ドットが1プロバイダ。好ましいのは右下（誤り少・高速）。実際のモンゴル語音声で実測。

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

プロバイダ比較

各列を並べ替えできます。「詳細」でプロバイダごとのサンプル分解・価格・手法を確認。

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

すべて実測のモンゴル語データセットに基づきます。速度は×実時間（大きいほど高速）。WERは低いほど良い。

重複— このバッジが付いたモデルは、ベンチマークのコーパスと重複するデータで学習しています（モンゴル語 Common Voice の 173 サンプル中 113 件、または Shunya Labs の公開コーパス）。重複するコーパスでのスコアは記憶によって高く出ます。これらのモデルは詳細ページのデータセット別の表、とくに学習に使われていないコーパスで判断してください。

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.

プロバイダWERCER精度速度
1Duudlaga Flow自社
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 v2オープンソース
22.9%10.4%77.1%4.32×
7Whisper large-v2 MNオープンソース
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 4オープンソース
27.7%13.2%72.3%1.04×
12OmniASR LLM-1Bオープンソース
34.5%14.5%65.5%0.27×
13Whisper medium MNオープンソース重複
35.1%14.8%64.9%2.71×
14Whisper turbo MNオープンソース重複
37.6%14.1%62.4%2.59×
15Whisper large-v3 MNオープンソース重複
41%17.1%59%1.58×
16GPT-4o Transcribe
44.3%23.7%55.7%2.62×
17MMS-1B-allオープンソース
45.3%15.1%54.7%20.52×
18Dolphin smallオープンソース
46.1%19%53.9%1.69×
19W2v-BERT 2.0 MNオープンソース重複
46.3%18.2%53.7%28.12×
20OmniASR CTC-1Bオープンソース
54.9%18.9%45.1%0.59×
21wav2vec2 XLSR-53 MNオープンソース重複
56.3%23.9%43.7%45.7×
22Whisper large-v3オープンソース
87.3%36.6%12.7%1.55×
23Gladia
88.1%39.9%11.9%0.74×
24Moonshine MNオープンソース重複
96.2%75.7%3.8%8.36×
25Whisper large-v3-turboオープンソース
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 ASRオープンソース
110.1%64%-10.1%0.4×

このベンチマークのために自社で録音 — 音声は配布せず、指標のみ公開します。