Whisper large-v3 — Moğolca konuşmadan metne benchmark
Whisper large-v3 Batch API (geliştirilmiş çalışma noktası, dil mn) tarafından 4 Moğolca veri seti ve 265 ses örneği üzerinde değerlendirilen gerçek sonuçlar. Aşağıdaki her sayı ölçülmüştür — pazarlama değil. WER, hız ve fiyat olduğu gibi, acımasızca dürüst gösterilir.
265/265 örnek transkribe edildi · %100 başarı
Düşük daha iyidir · 265 örnek üzerinde
Fiyat
Toplu transkripsiyon için Whisper large-v3 liste fiyatı. İndirim veya pazarlık edilen tarifeler yok — ham dakika başı ücret.
Fiyat kaynağı: Whisper large-v3 genel fiyatları. Duudlaga Flow yalnızca bağlam için gösterilir — bu sayfa Whisper large-v3'i izole eder, böylece sayı kendi ürünümüzle şişirilmez.
Veri setine göre WER ve CER
Veri seti başına kelime ve karakter hata oranları. Düşük daha iyidir — ve bunlar Whisper large-v3'in gerçek sayılarıdır ve Common Voice 24'te zayıftır.
Veri seti özeti
Her veri seti için toplu doğruluk, hız ve zamanlama.
| Veri seti | Kaynak | Örnekler | Başarı | WER | CER | Doğruluk | Hız | Ses (sn) | İşl. (sn) |
|---|---|---|---|---|---|---|---|---|---|
| Common Voice 24 (MN) | Hugging Face → | 59 | 59/59 | 91.2% | 38.8% | 8.8% | 0.72× | 330.6s | 456.5s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 86.2% | 33% | 13.8% | 1.87× | 645.1s | 344.8s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 94% | 41% | 6.0% | 1.13× | 269.8s | 238.3s |
| Modern Voice | — | 92 | 92/92 | 87.7% | 37.2% | 12.3% | 1.53× | 603.8s | 394.1s |
WER ile hız — örnek bazında
Her nokta bir ses örneğidir. İdeal yer sol alttadır (az hata, hızlı). Whisper large-v3 birçok Common Voice 24 örneğinde yüksek hata yapar.
Örnek bazında sonuçlar
Beklenen sütununda referans değer olduğu gibi gösterilir. Sonuç sütunu yalnızca Whisper large-v3'in yanlış yaptığı kelimeleri kırmızıyla vurgular — üstü çizili değişimler yok, sadece hatalar.
| # | Ses | Örnek | Veri seti | Beklenen (referans değer) | Whisper large-v3 sonucu | WER | CER | I/D/S |
|---|---|---|---|---|---|---|---|---|
| 1 | btsee_0001 | Common Voice 24 (MN) | Гэхдээ амьсгал хураахаасаа өмнө танд мэдэж байгаагаа хэлье. | Кэлтээ амсгол түрээ хасаа омон танд мэдэж байгаа хэлээ. | 87.5% | 32.8% | 1/0/6 | |
| 2 | btsee_0002 | Common Voice 24 (MN) | Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | Надзай асан аджирал гэдэгээрдээ үрхүн сарай хүгцадтай байсан гэж бүх. | 83.3% | 33.3% | 0/2/8 | |
| 3 | btsee_0003 | Common Voice 24 (MN) | Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе. | Атаах тээ төрч төрч энрээгээсээ салхих чигцгээ. | 100.0% | 53.8% | 0/0/7 | |
| 4 | btsee_0004 | Common Voice 24 (MN) | Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн. | Би босголту хэрээр гэр хэцэр дэрхийж ябдог хүн. | 70.0% | 17.6% | 0/2/5 | |
| 5 | btsee_0005 | Common Voice 24 (MN) | Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ. | Ханхурмас дуу орлос болдгой бараа үгэнээ 2 лоогуу арны эргүйлэхээр ягалж байна. | 120.0% | 51.9% | 2/0/10 | |
| 6 | btsee_0006 | Common Voice 24 (MN) | Алив наашаа ороод ир гээд гэртээ оров. | Аж байнааша ородор, гэдгэжтэй оров. | 85.7% | 35.1% | 0/2/4 | |
| 7 | btsee_0007 | Common Voice 24 (MN) | Өө өндөр дээдэс таны тухайд би баталж чадахгүй. | Уу, үндэр дээд таныи тухууд би бааталг чалтахгүй. | 87.5% | 28.3% | 0/0/7 | |
| 8 | btsee_0008 | Common Voice 24 (MN) | Харин гурав дахь удаагаас эхлэн хүмүүсийг сонирхож эхлэв. | Харин 3-тэг хуудагаса эхлэн хүмүүстэг сайнархаж гэлэв. | 75.0% | 35.7% | 0/0/6 | |
| 9 | btsee_0009 | Common Voice 24 (MN) | Та нар очингуутаа шөл л өгч үз. | Танр очингууд шүүллэл үхж байз. | 100.0% | 50.0% | 0/2/5 | |
| 10 | btsee_0010 | Common Voice 24 (MN) | Ерөөсөө литр үйлдвэрээсээ салаагүй явсан юм чинь. | Ерөөсөөл үүлтүрөссээ салаагуу ябсан имч нь. | 100.0% | 33.3% | 0/1/6 |
Yöntembilim
Bu sayılar nasıl elde edildi.
Sağlayıcı: Whisper large-v3 (OpenAI Whisper large-v3 open weights run locally with an explicit Mongolian language token — the reference open-source ASR baseline.).
Uç nokta local (transformers). Dil mn. Çalışma noktası openai/whisper-large-v3 (language=mn, task=transcribe) on mps. Diyarizasyon none.
Veri setleri: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 örnek, toplam 1849.3s ses.
- 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—
Metrikler: WER ve CER, büyük/küçük harf ve noktalama için normalize edilmiş standart bir kelime/karakter Levenshtein hizalamasıyla hesaplanır. Doğruluk = 100 − WER. Hız faktörü = ses süresi ÷ işleme süresi (× gerçek zaman). Tüm istekler gerçek Whisper large-v3 Batch API çağrılarıdır; önbelleğe alınmış veya simüle edilmiş değildir.
Fark vurgulaması: Sonuç sütunu referans değere hizalanır ve her ikame ve eklemeyi kırmızı renkle işaretler. Silmeler (sonuçta eksik kelimeler) sonuç sütununda gösterilmez — Beklenen sütunu zaten referans değerin tamamını olduğu gibi içerir.