กระดานจัดอันดับแปลงเสียงเป็นข้อความภาษามองโกเลีย

Whisper turbo MNOperating point: Blgn94/whisper-large-v3-turbo-mn-lora (merged LoRA) on mps

Whisper turbo MN — เกณฑ์วัดแปลงเสียงเป็นข้อความภาษามองโกเลีย

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

ภาษา:MNแยกผู้พูด:noneตัวอย่าง:265การทำงาน:Aug 18, 2026, 6:01 PMเอนด์พอยต์:local (transformers)

ความแม่นยำ

ถอดเสียง 265/265 ตัวอย่าง · สำเร็จ 100%

อัตราความคลาดเคลื่อนคำ

น้อยกว่ายิ่งดี · บน 265 ตัวอย่าง

เมตริกหลัก

อัตราความคลาดเคลื่อนอักขระ9.2%

ค่าคูณความเร็วเฉลี่ย2.43×ทวีคูณเวลาจริง

ค่าคูณความเร็วรวม2.43×

ความหน่วงเฉลี่ยต่อตัวอย่าง3.0s

เสียงที่ประมวลผลรวม1849.3s30.8 นาที

ราคา

ราคาตั้งของ Whisper turbo 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 turbo MN Duudlaga Flow แสดงเพื่อบริบทเท่านั้น — หน้านี้แยก Whisper turbo MN เพื่อมิให้ตัวเลขถูกเพิ่มโดยผลิตภัณฑ์ของเรา

WER และ CER ตามชุดข้อมูล

อัตราคลาดเคลื่อนคำและอักขระต่อชุดข้อมูล น้อยกว่ายิ่งดี — และนี่คือตัวเลขจริงของ Whisper turbo MN ซึ่งอ่อนใน Common Voice 24

Common Voice 24 (MN)

Source dataset →

WER

18%

CER

Shunya Labs Mongolian Speech

Source dataset →

WER

17%

CER

4.7%

Common Voice 20 (MN)

Source dataset →

WER

19.1%

CER

6.8%

Modern Voice

WER

40.1%

CER

15.7%

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%	6%	82.0%	1.98×	330.6s	167.1s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	17%	4.7%	83.0%	2.9×	645.1s	222.3s
Common Voice 20 (MN)	Hugging Face →	54	54/54	19.1%	6.8%	80.9%	1.99×	269.8s	135.9s
Modern Voice	—	92	92/92	40.1%	15.7%	59.9%	2.56×	603.8s	235.9s

WER เทียบกับความเร็ว — ต่อตัวอย่าง

จุดละตัวอย่างเสียง จุดที่ดีที่สุดอยู่ซ้ายล่าง (คลาดเคลื่อนน้อย เร็ว) Whisper turbo MN มีคลาดเคลื่อนสูงในหลายตัวอย่าง Common Voice 24

ผลลัพธ์ต่อตัวอย่าง

ความจริงอ้างอิงแสดงตรงตัวในคอลัมน์คาดหวัง คอลัมน์ผลลัพธ์ไฮไลต์เฉพาะคำที่ Whisper turbo MN ถอดผิดด้วยสีแดง — ไม่มีขีดทับ/สลับ เฉพาะความผิดพลาด

Only errors265 แถว

แดงคำผิดในผลลัพธ์ปกติถอดถูกต้องคอลัมน์คาดหวังแสดงตรงตัวเป็นความจริงอ้างอิง

#	ตัวอย่าง	ชุดข้อมูล	คาดหวัง (ความจริงอ้างอิง)	ผลลัพธ์ Whisper turbo 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.	Хан хурмаст уурлаас Болдоггүй Бор өгнөө хоёр луугаар нэргүүлэхээр явуулжээ.	50.0%	14.3%	0/0/5
6	btsee_0006	Common Voice 24 (MN)	Алив наашаа ороод ир гээд гэртээ оров.	Алив наашаа ороод ир гэээд гэртээ оров.	14.3%	2.7%	0/0/1
7	btsee_0007	Common Voice 24 (MN)	Өө өндөр дээдэс таны тухайд би баталж чадахгүй.	Өө өндөр дээдэс таны тухайд би бодол ч чадахгүй.	25.0%	10.9%	1/0/1
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 очингуутаа шүл л өгч биз.	28.6%	10.0%	0/0/2
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 turbo MN (Whisper large-v3-turbo fine-tuned on Mongolian Common Voice + FLEURS (LoRA merged into the base weights) — the most recent Mongolian adaptation of a current-generation Whisper.). Models with this badge were trained on data that overlaps the benchmark corpora (Mongolian Common Voice — 113 of 173 samples — or the public Shunya Labs corpus). Scores on overlapping corpora are inflated by memorization; judge these models by the per-dataset table on their details page, especially the corpora they were NOT trained on.

เอนด์พอยต์ local (transformers). ภาษา mn. Operating point Blgn94/whisper-large-v3-turbo-mn-lora (merged LoRA) 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 turbo MN ไม่ใช่แคชหรือจำลอง

การไฮไลต์ความแตกต่าง: คอลัมน์ผลลัพธ์จัดเรียงกับความจริงอ้างอิงและระบายสีแดงทุกการแทนที่และการแทรก การลบ (คำที่หายจากผลลัพธ์) ไม่แสดงในคอลัมน์ผลลัพธ์ — คอลัมน์คาดหวังยังถือความจริงอ้างอิงเต็มตามต้นฉบับ

สร้างโดย Whisper turbo MN Benchmark Runner · Whisper turbo MN Batch API v2 · ทำงาน Aug 18, 2026, 6:01 PM