Papan peringkat suara-ke-teks bahasa Mongolia

Bandingkan kadar ralat perkataan, kelajuan dan harga antara penyedia suara-ke-teks untuk bahasa Mongolia. Setiap nombor diukur pada audio Mongolia sebenar — bukan pemasaran.

Set data yang digunakan

Korpus pertuturan awam yang digunakan bagi setiap larian penyedia. Buka URL sumber untuk melihat kad set data, lesen dan muat turunnya.

WER vs kelajuan

Setiap titik ialah satu penyedia. Titik ideal di kanan bawah (ralat kecil, laju). Diukur pada audio Mongolia sebenar.

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

Isih mana-mana lajur. Klik Butiran untuk pecahan per sampel, harga dan metodologi penyedia.

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

Semua keputusan diukur pada dataset Mongolia sebenar. Kelajuan ialah × masa nyata (lebih tinggi = lebih laju). WER lebih rendah lebih baik.

PertindihanModel dengan lencana ini dilatih pada data yang bertindih dengan korpus penanda aras (Common Voice Mongolia — 113 daripada 173 sampel — atau korpus awam Shunya Labs). Skor pada korpus yang bertindih menjadi tinggi kerana hafalan; nilaikan model ini melalui jadual setiap set data di halaman butirannya, terutamanya korpus yang TIDAK digunakan untuk 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.

PenyediaWERCERKetepatanKelajuan
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 terbukaPertindihan
35.1%14.8%64.9%2.71×
14Whisper turbo MNSumber terbukaPertindihan
37.6%14.1%62.4%2.59×
15Whisper large-v3 MNSumber terbukaPertindihan
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 terbukaPertindihan
46.3%18.2%53.7%28.12×
20OmniASR CTC-1BSumber terbuka
54.9%18.9%45.1%0.59×
21wav2vec2 XLSR-53 MNSumber terbukaPertindihan
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 terbukaPertindihan
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×

Dirakam sendiri untuk penanda aras ini — audio tidak diedarkan, metrik sahaja.