Whisper large-v3 MN — Moğolca konuşmadan metne benchmark
Whisper large-v3 MN 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 MN liste fiyatı. İndirim veya pazarlık edilen tarifeler yok — ham dakika başı ücret.
Fiyat kaynağı: Whisper large-v3 MN genel fiyatları. Duudlaga Flow yalnızca bağlam için gösterilir — bu sayfa Whisper large-v3 MN'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 MN'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 | 40.1% | 13.1% | 59.9% | 1.51× | 330.6s | 218.4s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 28.6% | 8.8% | 71.4% | 1.76× | 645.1s | 367.1s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 41.3% | 15.8% | 58.7% | 1.34× | 269.8s | 200.9s |
| Modern Voice | — | 92 | 92/92 | 44.9% | 19.3% | 55.1% | 1.56× | 603.8s | 388.2s |
WER ile hız — örnek bazında
Her nokta bir ses örneğidir. İdeal yer sol alttadır (az hata, hızlı). Whisper large-v3 MN birçok Common Voice 24 örneğinde yüksek hata yapar.
Örnek bazında sonuçlar
Beklenen sütununda referans değer olduğu gibi gösterilir. Sonuç sütunu yalnızca Whisper large-v3 MN'in yanlış yaptığı kelimeleri kırmızıyla vurgular — üstü çizili değişimler yok, sadece hatalar.
| # | Ses | Örnek | Veri seti | Beklenen (referans değer) | Whisper large-v3 MN sonucu | 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 хэлээ | 12.5% | 3.4% | 0/0/1 | |
| 2 | btsee_0002 | Common Voice 24 (MN) | Надад заяасан аз жаргал гэдэг ердөө гуравхан сарын хугацаатай байсан гэж үү? | надад заяасан аж жаргал гэдэг эрдээ гуравхан сарын хугацаатай байсан гэж үү | 16.7% | 5.3% | 0/0/2 | |
| 3 | btsee_0003 | Common Voice 24 (MN) | Одоо бид өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе. | одоо би дөөрч дөө өвчин эмгээгээсээ салахыг чивцгээв | 71.4% | 19.2% | 1/0/4 | |
| 4 | btsee_0004 | Common Voice 24 (MN) | Би бол голдуу хээрээр гэр, хэцээр дэр хийж явдаг хүн. | би бол голдуу хээрээр гэр хэцээр дэрхий ч явдаг хүн | 20.0% | 5.9% | 0/0/2 | |
| 5 | btsee_0005 | Common Voice 24 (MN) | Хан хурмаст уурлаж, Болдоггүй Бор өвгөнийг хор луугаараа ниргүүлэхээр явуулжээ. | ханхурамс дуурлас болдоггүй бороогүйн хоёр луугаар нэргүүлэхээр явуулжээ | 80.0% | 22.1% | 0/2/6 | |
| 6 | btsee_0006 | Common Voice 24 (MN) | Алив наашаа ороод ир гээд гэртээ оров. | алив наашаа ороодор гээд гэртэй оров | 42.9% | 8.1% | 0/1/2 | |
| 7 | btsee_0007 | Common Voice 24 (MN) | Өө өндөр дээдэс таны тухайд би баталж чадахгүй. | өө өндөр дээд таны тухайд би батал ч алдахгүй | 50.0% | 10.9% | 1/0/3 | |
| 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. | танар очингуутаа шөлөл өгчүүз | 85.7% | 10.0% | 0/3/3 | |
| 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 |
Yöntembilim
Bu sayılar nasıl elde edildi.
Sağlayıcı: Whisper large-v3 MN (Whisper large-v3 fine-tuned on Mongolian Common Voice 16.1 + FLEURS. Same author as the Common Voice 20 corpus in this benchmark, so its Common Voice scores should be read with train/test overlap in mind.). Bu rozete sahip modeller, kıyaslama derlemleriyle örtüşen verilerle eğitildi (Moğolca Common Voice — 173 örneğin 113'ü — veya Shunya Labs'ın açık derlemi). Örtüşen derlemlerdeki puanlar ezberleme nedeniyle şişer; bu modelleri ayrıntı sayfasındaki veri kümesi bazlı tabloya, özellikle eğitilmedikleri derlemlere bakarak değerlendirin.
Uç nokta local (transformers). Dil mn. Çalışma noktası warmestman/whisper-large-v3-mn-cv-fleurs (Mongolian fine-tune) 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 MN 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.