โ† All examples

ModelEthio-ASR Amharic (600M)11Ethio-ASR Multi (300M)8Ethio-ASR Multi (600M)8Ethio-ASR Multi (94M)3Meta MMS-1B19OmniASR-CTC (1B)0OmniASR-CTC (300M)2OmniASR-CTC (3B)0OmniASR-LLM (1B)0OmniASR-LLM (300M)0OmniASR-LLM (3B)0OpenAI Whisper-small71
Audio qualityClean Studio220Ambient Room Noise71Harsh Environment219Distant / Low-Volume Mic220Wideband Phone (VoLTE)18Randomized Phone Channel20Narrowband 2G + Packet Loss19

What did the model get wrong?

OpenAI Whisper-small Ambient Room Noise   Example 1 of 20  ยท  speaker: Female

๐ŸŽง Listen โ€” Ambient Room Noise
Realistic everyday background noise โ€” like a normal room or cafรฉ.
โœ… What was actually said
แˆฒ แˆฒ แ‰ฒ แˆแˆˆแ‰ต แ‹œแˆฎ แˆแˆˆแ‰ต แŠ แˆแˆตแ‰ต แŠ แŠ•แ‹ต แˆแˆˆแ‰ต แŠ แŠ•แ‹ต แˆฐแ‰ฃแ‰ต แˆแˆˆแ‰ต แŠ แˆซแ‰ต แˆฐแ‰ฃแ‰ต แˆตแˆแŠ•แ‰ต แ‹œแˆฎ แˆฐแ‰ฃแ‰ต แ‹˜แŒ แŠ แŠ แˆซแ‰ต
๐Ÿค– What this model heard
c c t แ‹œแˆฎ แŠ แˆตแˆญ แŠ แŠ•แ‹ต แŠ แŠ•แ‹ต แŠ แŠ•แ‹ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แ‹œแˆฎ แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต แˆแˆˆแ‰ต
Correct
Wrong (different word)
Missed (skipped)
Extra (added)
5
Correct
14
Wrong
0
Missed
57
Extra
26%
Words right
Out of 19 spoken words, this model got 5 right (26%). Errors: 14 words wrong; 57 extra.

Try switching Audio quality โ€” see the same model degrade as the audio gets noisier.