ElevenLabs Scribe v2Operating point: scribe_v2

ElevenLabs Scribe v2 — Benchmark för mongolisk tal-till-text

Verkliga resultat från ElevenLabs Scribe v2 Batch API (förbättrad operationpunkt, språk mn) utvärderade på 4 mongoliska dataset och 265 ljudprover. Varje siffra nedan är mätt — inte marknadsföring. WER, hastighet och pris visas som de är, brutalt ärligt.

Språk:MNDiarisering:noneProver:265Körning:Aug 19, 2026, 6:13 PMEndpoint:https://api.elevenlabs.io/v1/speech-to-text

Noggrannhet

265/265 prover transkriberade · 100% framgång

Ordelfrekvens

Lägre är bättre · över 265 prover

Nyckelmått

Teckenelfrekvens10.6%

Snitthastighetsfaktor1.51×realtidsmultipel

Total hastighetsfaktor1.51×

Snittlatens per prov4.7s

Totalt bearbetat ljud1849.3s30.8 min

Pris

ElevenLabs Scribe v2 listpris för batch-transkription. Inga rabatter eller förhandlade tariffer — rå minuttaxa.

Per 1000 minuter

$3.7

batch

Per minut

$0.0037

effektiv

Per 1000 min (dessa 30.8 min)

$6.84

skulle kosta

Öppen källkod?

✗

proprietär

Priskälla: ElevenLabs Scribe v2 offentliga priser. Duudlaga Flow visas endast för kontext — denna sida isolerar ElevenLabs Scribe v2 så att siffran inte blåses upp av vår produkt.

WER och CER per dataset

Ord- och teckenelfrekvens per dataset. Lägre är bättre — och detta är ElevenLabs Scribe v2 verkliga siffror, som är svaga på Common Voice 24.

Common Voice 24 (MN)

Source dataset →

WER

28.5%

CER

10.6%

Shunya Labs Mongolian Speech

Source dataset →

WER

19.2%

CER

6.3%

Common Voice 20 (MN)

Source dataset →

WER

29.4%

CER

11.4%

Modern Voice

WER

29.8%

CER

13%

WERCER

Datasetöversikt

Aggregerad noggrannhet, hastighet och tid för varje dataset.

Dataset	Source	Prover	Framgång	WER	CER	Noggrannhet	Hastighet	Ljud (s)	Bearb. (s)
Common Voice 24 (MN)	Hugging Face →	59	59/59	28.5%	10.6%	71.5%	1.33×	330.6s	248.1s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	19.2%	6.3%	80.8%	1.74×	645.1s	370.3s
Common Voice 20 (MN)	Hugging Face →	54	54/54	29.4%	11.4%	70.6%	1.41×	269.8s	190.7s
Modern Voice	—	92	92/92	29.8%	13%	70.2%	1.45×	603.8s	416s

WER vs. hastighet — per prov

Varje punkt är ett ljudprov. Läget i nedre vänstra hörnet är bäst (lite fel, snabbt). ElevenLabs Scribe v2 har höga fel på många Common Voice 24-prover.

Resultat per prov

Referenssanningen visas oförändrad i kolumnen Förväntat. Resultatkolumnen markerar endast de ord ElevenLabs Scribe v2 felade på i rött — inga överstrykningar/byten, bara felen.

Only errors265 rader

rödfel ord i resultatetenkelkorrekt transkriberatKolumnen Förväntat visas oförändrad som referenssanning

#	Prov	Dataset	Förväntat (referenssanning)	ElevenLabs Scribe v2 resultat	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 байгаагаа хэлье	0.0%	0.0%	0/0/0
2	btsee_0002	Common Voice 24 (MN)	Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү?	Надад заяасан аж жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү?	8.3%	1.3%	0/0/1
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	Одоо бид өөрсдөө өвчин эмнэлгээсээ салахыг хичээцгээе.	14.3%	3.8%	0/0/1
4	btsee_0004	Common Voice 24 (MN)	Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн.	Би бол голдуй хээрээр гэр, хэцээр 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.	Хан хурмаст уулс болдоггүй бороо өгнө. Хоёр луугаар нэргүүлэхээр явагч	70.0%	26.0%	0/0/7
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	Алив наашаа ороод ир гээд гэртээ оров.	0.0%	0.0%	0/0/0
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	Өө, өндөр дээдс таны тухайд би ботолг чадахгүй	25.0%	8.7%	0/0/2
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	0.0%	0.0%	0/0/0
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	Та нар очгондоо шүлэл өгч үз	42.9%	30.0%	0/1/2
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	Эрүүлсээл үйлдвэрээсээ салаагүй явсан юм чинь	28.6%	20.8%	0/1/1

…Sida 1 av 27

Metodik

Hur dessa siffror erhölls.

Leverantör: ElevenLabs Scribe v2 (ElevenLabs Scribe v2 hosted transcription (language_code=mn).).

Endpoint https://api.elevenlabs.io/v1/speech-to-text. Språk mn. Operating point scribe_v2. Diarisering none.

Dataset: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 prover, totalt 1849.3s ljud.

Dataset source URLs:

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—

Mått: WER och CER beräknas med en standard Levenshtein-ord/tecken-inriktning, normaliserad för skiftläge och skiljetecken. Noggrannhet = 100 − WER. Hastighetsfaktor = ljudlängd ÷ bearbetningstid (× realtid). Alla förfrågningar är verkliga anrop till ElevenLabs Scribe v2 Batch API, varken cachade eller simulerade.

Skillnadsmarkering: Resultatkolumnen ställs in mot referenssanningen och färgar varje substitution och insertion röd. Raderingar (ord som saknas i resultatet) visas inte i resultatkolumnen — kolumnen Förväntat innehåller redan hela referenssanningen oförändrad.

Genererad av ElevenLabs Scribe v2 Benchmark Runner · ElevenLabs Scribe v2 Batch API v2 · körning Aug 19, 2026, 6:13 PM