Whisper medium MN — Moğolca konuşmadan metne benchmark
Whisper medium 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 medium MN liste fiyatı. İndirim veya pazarlık edilen tarifeler yok — ham dakika başı ücret.
Fiyat kaynağı: Whisper medium MN genel fiyatları. Duudlaga Flow yalnızca bağlam için gösterilir — bu sayfa Whisper medium 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 medium 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 | 9.9% | 3.2% | 90.1% | 2.64× | 330.6s | 125.1s |
| Shunya Labs Mongolian Speech | Hugging Face → | 60 | 60/60 | 2.8% | 1.5% | 97.2% | 2.94× | 645.1s | 219.6s |
| Common Voice 20 (MN) | Hugging Face → | 54 | 54/54 | 32.3% | 10.5% | 67.7% | 2.33× | 269.8s | 115.7s |
| Modern Voice | — | 92 | 92/92 | 37.7% | 16.3% | 62.3% | 2.68× | 603.8s | 225.4s |
WER ile hız — örnek bazında
Her nokta bir ses örneğidir. İdeal yer sol alttadır (az hata, hızlı). Whisper medium MN birçok Common Voice 24 örneğinde yüksek hata yapar.
Örnek bazında sonuçlar
Beklenen sütununda referans değer olduğu gibi gösterilir. Sonuç sütunu yalnızca Whisper medium MN'in yanlış yaptığı kelimeleri kırmızıyla vurgular — üstü çizili değişimler yok, sadece hatalar.
| # | Ses | Örnek | Veri seti | Beklenen (referans değer) | Whisper medium 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 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 эмгээгүйсээ салахыг хичээцгээ | 28.6% | 7.7% | 0/0/2 | |
| 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 уурлаж болдоггүй бор өвгөнийг хоёр луугаараа ниргүүлэхээр явуулжээ | 10.0% | 1.3% | 0/0/1 | |
| 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 удаагаас эхлэх 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. | ирвэс уйлдвэрлэсээ салаагүй явсан юм чинь | 42.9% | 25.0% | 0/1/2 |
Yöntembilim
Bu sayılar nasıl elde edildi.
Sağlayıcı: Whisper medium MN (Whisper medium fine-tuned for Mongolian on a private corpus — the second most-downloaded Mongolian Whisper fine-tune.). 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 Cafet/whisper-meduim-mongolian (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 medium 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.