กระดานจัดอันดับแปลงเสียงเป็นข้อความภาษามองโกเลีย

Whisper large-v2 MNOperating point: bayartsogt/whisper-large-v2-mn-13 (Mongolian fine-tune) on mps

Whisper large-v2 MN — เกณฑ์วัดแปลงเสียงเป็นข้อความภาษามองโกเลีย

ผลลัพธ์จริงจาก Whisper large-v2 MN Batch API (จุดทำงานขั้นสูง ภาษา mn) ประเมินบน 4 ชุดข้อมูลภาษามองโกเลียและ 265 ตัวอย่างเสียง ทุกตัวเลขด้านล่างคือการวัดจริง — ไม่ใช่การตลาด WER ความเร็วและราคาแสดงตามความเป็นจริง ซื่อสัตย์อย่างเด็ดขาด

ภาษา:MNแยกผู้พูด:noneตัวอย่าง:265การทำงาน:Aug 18, 2026, 4:09 PMเอนด์พอยต์:local (transformers)

ความแม่นยำ

ถอดเสียง 265/265 ตัวอย่าง · สำเร็จ 100%

อัตราความคลาดเคลื่อนคำ

น้อยกว่ายิ่งดี · บน 265 ตัวอย่าง

เมตริกหลัก

อัตราความคลาดเคลื่อนอักขระ8.3%

ค่าคูณความเร็วเฉลี่ย0.53×ทวีคูณเวลาจริง

ค่าคูณความเร็วรวม0.53×

ความหน่วงเฉลี่ยต่อตัวอย่าง13.5s

เสียงที่ประมวลผลรวม1849.3s30.8 นาที

ราคา

ราคาตั้งของ Whisper large-v2 MN สำหรับการถอดความแบบกลุ่ม ไม่มีส่วนลดหรืออัตราต่อรอง — อัตราดิบต่อนาที

ต่อ 1000 นาที

กลุ่ม

ต่อนาที

$0.0000

มีผล

ต่อ 1000 นาที (30.8 นาทีนี้)

$0.00

จะต้นทุน

โอเพนซอร์ส?

✓

กรรมสิทธิ์

แหล่งราคา: ราคาสาธารณะของ Whisper large-v2 MN Duudlaga Flow แสดงเพื่อบริบทเท่านั้น — หน้านี้แยก Whisper large-v2 MN เพื่อมิให้ตัวเลขถูกเพิ่มโดยผลิตภัณฑ์ของเรา

WER และ CER ตามชุดข้อมูล

อัตราคลาดเคลื่อนคำและอักขระต่อชุดข้อมูล น้อยกว่ายิ่งดี — และนี่คือตัวเลขจริงของ Whisper large-v2 MN ซึ่งอ่อนใน Common Voice 24

Common Voice 24 (MN)

Source dataset →

WER

18.7%

CER

Shunya Labs Mongolian Speech

Source dataset →

WER

16.7%

CER

6.1%

Common Voice 20 (MN)

Source dataset →

WER

16.7%

CER

5.1%

Modern Voice

WER

26.8%

CER

13.3%

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	18.7%	6%	81.3%	0.57×	330.6s	575.3s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	16.7%	6.1%	83.3%	0.52×	645.1s	1241.4s
Common Voice 20 (MN)	Hugging Face →	54	54/54	16.7%	5.1%	83.3%	0.51×	269.8s	526.3s
Modern Voice	—	92	92/92	26.8%	13.3%	73.2%	0.54×	603.8s	1114.9s

WER เทียบกับความเร็ว — ต่อตัวอย่าง

จุดละตัวอย่างเสียง จุดที่ดีที่สุดอยู่ซ้ายล่าง (คลาดเคลื่อนน้อย เร็ว) Whisper large-v2 MN มีคลาดเคลื่อนสูงในหลายตัวอย่าง Common Voice 24

ผลลัพธ์ต่อตัวอย่าง

ความจริงอ้างอิงแสดงตรงตัวในคอลัมน์คาดหวัง คอลัมน์ผลลัพธ์ไฮไลต์เฉพาะคำที่ Whisper large-v2 MN ถอดผิดด้วยสีแดง — ไม่มีขีดทับ/สลับ เฉพาะความผิดพลาด

Only errors265 แถว

แดงคำผิดในผลลัพธ์ปกติถอดถูกต้องคอลัมน์คาดหวังแสดงตรงตัวเป็นความจริงอ้างอิง

#	ตัวอย่าง	ชุดข้อมูล	คาดหวัง (ความจริงอ้างอิง)	ผลลัพธ์ Whisper large-v2 MN	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 аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү.	0.0%	0.0%	0/0/0
3	btsee_0003	Common Voice 24 (MN)	Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	0.0%	0.0%	0/0/0
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.	ханх оромжт уурлас болдоггүй баруун хүнийг хоёр луугаар нэргүйлэхээр явжээ.	90.0%	28.6%	0/0/9
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 дээдэс таны тухайд би баталж чадахгүй.	0.0%	0.0%	0/0/0
8	btsee_0008	Common Voice 24 (MN)	Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв.	харин гурав дахь удаагаасаа эхлэх хүмүүсийг сонирхож эхлэв.	25.0%	5.4%	0/0/2
9	btsee_0009	Common Voice 24 (MN)	Та нар очингуутаа шөл л өгч үз.	та нар очингуутаа шөл л өгч үз.	0.0%	0.0%	0/0/0
10	btsee_0010	Common Voice 24 (MN)	Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь.	ерөөсөө л үйлдвэрээсээ салаагүй явсан юм чинь.	14.3%	6.2%	0/0/1

…หน้า 1 จาก 27

ระเบียบวิธี

วิธีที่ได้ตัวเลขเหล่านี้

ผู้ให้บริการ: Whisper large-v2 MN (Whisper large-v2 fine-tuned on Mongolian Common Voice by the bayartsogt community project — the most-downloaded Mongolian-specific open ASR model.).

เอนด์พอยต์ local (transformers). ภาษา mn. Operating point bayartsogt/whisper-large-v2-mn-13 (Mongolian fine-tune) 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 Whisper large-v2 MN ไม่ใช่แคชหรือจำลอง

การไฮไลต์ความแตกต่าง: คอลัมน์ผลลัพธ์จัดเรียงกับความจริงอ้างอิงและระบายสีแดงทุกการแทนที่และการแทรก การลบ (คำที่หายจากผลลัพธ์) ไม่แสดงในคอลัมน์ผลลัพธ์ — คอลัมน์คาดหวังยังถือความจริงอ้างอิงเต็มตามต้นฉบับ

สร้างโดย Whisper large-v2 MN Benchmark Runner · Whisper large-v2 MN Batch API v2 · ทำงาน Aug 18, 2026, 4:09 PM