กระดานจัดอันดับแปลงเสียงเป็นข้อความภาษามองโกเลีย

MMS-1B-allOperating point: facebook/mms-1b-all (mon CTC adapter) on mps

MMS-1B-all — เกณฑ์วัดแปลงเสียงเป็นข้อความภาษามองโกเลีย

ผลลัพธ์จริงจาก MMS-1B-all Batch API (จุดทำงานขั้นสูง ภาษา mn) ประเมินบน 4 ชุดข้อมูลภาษามองโกเลียและ 265 ตัวอย่างเสียง ทุกตัวเลขด้านล่างคือการวัดจริง — ไม่ใช่การตลาด WER ความเร็วและราคาแสดงตามความเป็นจริง ซื่อสัตย์อย่างเด็ดขาด

ภาษา:MNแยกผู้พูด:noneตัวอย่าง:265การทำงาน:Aug 18, 2026, 4:48 PMเอนด์พอยต์:local (transformers)

ความแม่นยำ

ถอดเสียง 265/265 ตัวอย่าง · สำเร็จ 100%

อัตราความคลาดเคลื่อนคำ

น้อยกว่ายิ่งดี · บน 265 ตัวอย่าง

เมตริกหลัก

อัตราความคลาดเคลื่อนอักขระ12.3%

ค่าคูณความเร็วเฉลี่ย19.2×ทวีคูณเวลาจริง

ค่าคูณความเร็วรวม19.2×

ความหน่วงเฉลี่ยต่อตัวอย่าง0.4s

เสียงที่ประมวลผลรวม1849.3s30.8 นาที

ราคา

ราคาตั้งของ MMS-1B-all สำหรับการถอดความแบบกลุ่ม ไม่มีส่วนลดหรืออัตราต่อรอง — อัตราดิบต่อนาที

ต่อ 1000 นาที

กลุ่ม

ต่อนาที

$0.0000

มีผล

ต่อ 1000 นาที (30.8 นาทีนี้)

$0.00

จะต้นทุน

โอเพนซอร์ส?

✓

กรรมสิทธิ์

แหล่งราคา: ราคาสาธารณะของ MMS-1B-all Duudlaga Flow แสดงเพื่อบริบทเท่านั้น — หน้านี้แยก MMS-1B-all เพื่อมิให้ตัวเลขถูกเพิ่มโดยผลิตภัณฑ์ของเรา

WER และ CER ตามชุดข้อมูล

อัตราคลาดเคลื่อนคำและอักขระต่อชุดข้อมูล น้อยกว่ายิ่งดี — และนี่คือตัวเลขจริงของ MMS-1B-all ซึ่งอ่อนใน Common Voice 24

Common Voice 24 (MN)

Source dataset →

WER

39.8%

CER

10.4%

Shunya Labs Mongolian Speech

Source dataset →

WER

30.3%

CER

7.2%

Common Voice 20 (MN)

Source dataset →

WER

45.2%

CER

12.2%

Modern Voice

WER

48.3%

CER

17%

WERCER

สรุปชุดข้อมูล

ความแม่นยำ ความเร็ว และเวลารวมของแต่ละชุดข้อมูล

ชุดข้อมูล	Source	ตัวอย่าง	สำเร็จ	WER	CER	ความแม่นยำ	ความเร็ว	เสียง (วิ)	ประมวลผล (วิ)
Common Voice 24 (MN)	Hugging Face →	59	59/59	39.8%	10.4%	60.2%	16.59×	330.6s	19.9s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	30.3%	7.2%	69.7%	20.44×	645.1s	31.6s
Common Voice 20 (MN)	Hugging Face →	54	54/54	45.2%	12.2%	54.8%	17.98×	269.8s	15s
Modern Voice	—	92	92/92	48.3%	17%	51.7%	20.25×	603.8s	29.8s

WER เทียบกับความเร็ว — ต่อตัวอย่าง

จุดละตัวอย่างเสียง จุดที่ดีที่สุดอยู่ซ้ายล่าง (คลาดเคลื่อนน้อย เร็ว) MMS-1B-all มีคลาดเคลื่อนสูงในหลายตัวอย่าง Common Voice 24

ผลลัพธ์ต่อตัวอย่าง

ความจริงอ้างอิงแสดงตรงตัวในคอลัมน์คาดหวัง คอลัมน์ผลลัพธ์ไฮไลต์เฉพาะคำที่ MMS-1B-all ถอดผิดด้วยสีแดง — ไม่มีขีดทับ/สลับ เฉพาะความผิดพลาด

Only errors265 แถว

แดงคำผิดในผลลัพธ์ปกติถอดถูกต้องคอลัมน์คาดหวังแสดงตรงตัวเป็นความจริงอ้างอิง

#	ตัวอย่าง	ชุดข้อมูล	คาดหวัง (ความจริงอ้างอิง)	ผลลัพธ์ MMS-1B-all	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?	нада заяасан ад жиргал гэдэг эрдэ гурвахан сарын хугацаатай байсан гэж үү	41.7%	10.7%	0/0/5
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	одоо тэд өөрсдөө өвчин энэгэйгээсээ салахыг чэцгээв	42.9%	17.3%	0/0/3
4	btsee_0004	Common Voice 24 (MN)	Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн.	би бол голдуу хээрээр гэр хэцээр дэр хийж явдаг хүн	0.0%	0.0%	0/0/0
5	btsee_0005	Common Voice 24 (MN)	Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ.	хан хурамс жуурлаж болдггүй бурөгний хоёр луугаар нэргүүлэхээр явгжээ	90.0%	22.1%	0/1/8
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	алив наашаа ороо дэр гээд гэртээ оров	28.6%	8.1%	0/0/2
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	өө өндөр дээд таны тухайд би ботолж 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 дах удаагаас эхлэн хүмүүсийг сонирхож эхлэв	12.5%	1.8%	0/0/1
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	та нар очингуутаа шөлөл өгч үз	28.6%	3.3%	0/1/1
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	эрөөсөө л үйлдвэрээсээ салуагүй явсан юм чинь	42.9%	10.4%	0/0/3

…หน้า 1 จาก 27

ระเบียบวิธี

วิธีที่ได้ตัวเลขเหล่านี้

ผู้ให้บริการ: MMS-1B-all (Meta Massively Multilingual Speech (1B, 1162 languages) with the Mongolian CTC adapter — no punctuation or casing by design.).

เอนด์พอยต์ local (transformers). ภาษา mn. Operating point facebook/mms-1b-all (mon CTC adapter) on mps. แยกผู้พูด none.

ชุดข้อมูล: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 ตัวอย่าง เสียงรวม 1849.3s

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—

เมตริก: WER และ CER คำนวณด้วยการจัดเรียง Levenshtein คำ/อักขระมาตรฐาน ปรับตามตัวพิมพ์ใหญ่เล็กและเครื่องหมายวรรคตอน ความแม่นยำ = 100 − WER ค่าคูณความเร็ว = ระยะเสียง ÷ เวลาประมวลผล (× เวลาจริง) ทุกคำขอเป็นการเรียก Batch API จริงของ MMS-1B-all ไม่ใช่แคชหรือจำลอง

การไฮไลต์ความแตกต่าง: คอลัมน์ผลลัพธ์จัดเรียงกับความจริงอ้างอิงและระบายสีแดงทุกการแทนที่และการแทรก การลบ (คำที่หายจากผลลัพธ์) ไม่แสดงในคอลัมน์ผลลัพธ์ — คอลัมน์คาดหวังยังถือความจริงอ้างอิงเต็มตามต้นฉบับ

สร้างโดย MMS-1B-all Benchmark Runner · MMS-1B-all Batch API v2 · ทำงาน Aug 18, 2026, 4:48 PM