SpeechmaticsOperating point: enhanced

Speechmatics — منگولین speech-to-text بینچ مارک

Speechmatics Batch API (بہتر آپریٹنگ پوائنٹ، زبان mn) کے 4 منگولین ڈیٹاسیٹ اور 265 آڈیو نمونوں پر جانچے گئے حقیقی نتائج۔ نیچے کا ہر عدد ناپا گیا ہے — مارکیٹنگ نہیں۔ WER، رفتار اور قیمت جیسی ہے ویسی ہی، سخت ایمانداری سے دکھائے گئے ہیں۔

زبان:MNاسپیکر علیحدگی:noneنمونے:265چلانا:Aug 14, 2026, 4:15 PMاینڈپوائنٹ:https://asr.api.speechmatics.com/v2

درستگی

264/265 نمونے ٹرانسکرائب · 100% کامیابی

لفظ غلطی کی شرح

کم بہتر ہے · 265 نمونوں پر

اہم میٹرکس

حرف غلطی کی شرح7.4%

اوسط رفتار فیکٹر0.51×ریئل ٹائم گنا

کل رفتار فیکٹر0.51×

فی نمونہ اوسط تاخیر13.8s

کل پروسیس شدہ آڈیو1845.1s30.8 منٹ

قیمت

بیچ ٹرانسکرپشن کے لیے Speechmatics کی فہرستی قیمت۔ کوئی رعایت یا بات چت کی شرح نہیں — فی منٹ خام شرح۔

فی 1000 منٹ

$8.5

بیچ

فی منٹ

$0.0085

موثر

فی 1000 منٹ (یہ 30.8 منٹ)

$15.68

لاگت

اوپن سورس؟

✗

مالکیتی

قیمت کا ذریعہ: Speechmatics عوامی قیمتیں۔ Duudlaga Flow صرف سیاق کے لیے دکھایا گیا ہے — یہ صفحہ Speechmatics کو الگ رکھتا ہے تاکہ عدد ہماری مصنوعات سے پھولا نہ ہو۔

ڈیٹاسیٹ کے حساب سے WER اور CER

ڈیٹاسیٹ کے حساب سے لفظ اور حرف غلطی کی شرحیں۔ کم بہتر ہے — اور یہ Speechmatics کے حقیقی اعداد ہیں، جو Common Voice 24 پر کمزور ہیں۔

Common Voice 24 (MN)

Source dataset →

WER

8.3%

CER

2.7%

Shunya Labs Mongolian Speech

Source dataset →

WER

14%

CER

6.8%

Common Voice 20 (MN)

Source dataset →

WER

7.7%

CER

2.7%

Modern Voice

WER

22.4%

CER

13.6%

WERCER

ڈیٹاسیٹ خلاصہ

ہر ڈیٹاسیٹ کی مجموعی درستگی، رفتار اور وقت۔

ڈیٹاسیٹ	Source	نمونے	کامیابی	WER	CER	درستگی	رفتار	آڈیو (سیکنڈ)	پروسیس (سیکنڈ)
Common Voice 24 (MN)	Hugging Face →	59	59/59	8.3%	2.7%	91.7%	0.36×	330.5s	914.5s
Shunya Labs Mongolian Speech	Hugging Face →	60	60/60	14%	6.8%	86.0%	0.72×	645.1s	897.4s
Common Voice 20 (MN)	Hugging Face →	54	54/54	7.7%	2.7%	92.3%	0.47×	269.7s	579.3s
Modern Voice	—	92	91/92	22.4%	13.6%	77.6%	0.49×	599.7s	1224.5s

WER بمقابلہ رفتار — فی نمونہ

ہر نقطہ ایک آڈیو نمونہ ہے۔ بہترین جگہ نیچے بائیں (کم غلطی، تیز) ہے۔ Speechmatics کئی Common Voice 24 نمونوں پر زیادہ غلطی رکھتا ہے۔

فی نمونہ نتائج

متوقع کالم میں حقیقی حوالہ جیسا ہے ویسی ہی دکھایا گیا ہے۔ نتائج کالم صرف ان الفاظ کو سرخ میں نمایاں کرتا ہے جو Speechmatics غلط کر گیا — کوئی اسٹرائیک تھرو/تبدیلی نہیں، صرف غلطیاں۔

Only errors265 قطاریں

سرخنتیجے میں غلط لفظعامدرست ٹرانسکرائبمتوقع کالم حقیقی حوالہ کے طور پر جیسا ہے دکھایا گیا

#	نمونہ	ڈیٹاسیٹ	متوقع (حقیقی حوالہ)	Speechmatics نتیجہ	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 тэд өөрсдөө өвчин эмгэгээсээ салахыг хичээцгээе.	14.3%	3.8%	0/0/1
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 өвгөн хоёр зуугаар нь эргүүлэхээр явуулж.	60.0%	15.6%	1/0/5
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 удаагаа эхлэн 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 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

…صفحہ 1 / 27

طریقہ کار

یہ اعداد کیسے حاصل ہوئے۔

فراہم کنندہ: Speechmatics (Enterprise speech recognition with Mongolian language support (Batch API, enhanced operating point).).

اینڈپوائنٹ https://asr.api.speechmatics.com/v2. زبان mn. Operating point enhanced. اسپیکر علیحدگی none.

ڈیٹاسیٹ: Common Voice 24 (MN), Shunya Labs Mongolian Speech, Common Voice 20 (MN), Modern Voice — 265 نمونے، کل 1845.1s آڈیو۔

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—

میٹرکس: WER اور CER معیاری لفظ/حرف لیونشٹائن المنت سے، حروف کے حجم اور اوقاف کے لیے نارملائز کر کے حساب کیے جاتے ہیں۔ درستگی = 100 − WER۔ رفتار فیکٹر = آڈیو دورانیہ ÷ پروسیسنگ وقت (× ریئل ٹائم)۔ تمام درخواستیں حقیقی Speechmatics Batch API کالز ہیں، کیشڈ یا سمیولیٹڈ نہیں۔

فرق نمایاں کرنا: نتائج کالم حقیقی حوالہ کے ساتھ منتظم ہوتا ہے اور ہر متبادل اور شامل شدہ کو سرخ کرتا ہے۔ حذف شدہ (نتائج سے غائب الفاظ) نتائج کالم میں نہیں دکھائے جاتے — متوقع کالم پہلے ہی پوری حقیقی حوالہ جیسا ہے رکھتا ہے۔

Speechmatics Benchmark Runner کے ذریعے تیار · Speechmatics Batch API v2 · چلایا گیا Aug 14, 2026, 4:15 PM