Thai speech recognition benchmark: FLEURS Thai, 500 clips, 8 models

Loma Sub — Mean of per-clip CER over all 500 clips, after normalization. All figures are in the table under Overall results.

Summary of results

Overall

lomasub has the lowest mean CER in the group at 1.21%, followed by ElevenLabs Scribe v2 (1.36%) and Gemini 3.5 Transcribe Live (1.51%). The three open-source models have mean CERs of 3.22–4.97%.

Per clip

The mean per-clip CER difference against ElevenLabs Scribe v2 is −0.0015 (lomasub lower on 111 clips, equal on 296, higher on 93). Against the other models it ranges from −0.0030 to −0.0376.

Patterns where lomasub's CER is lower

In the 103 clips where lomasub has a lower CER than at least 5 of the 7 other models, four patterns recur: verbatim transcription including repetitions and self-corrections, foreign proper nouns written in Latin script, rare Thai words recognized correctly, and numbers written as Arabic digits.

lomasub's errors

Its highest-CER clips come from wrong English words (Wicked for วิกเก็ต, Hasselblad for เฮเซลนัต), a city name transcribed as a string of letters (RPR for Apia), and proper nouns replaced by common words (อิรักมองโกล for อิรากองโก).

8 models in three groups, scored by the same program

The models fall into three groups: lomasub, four commercial API services (MAI-Transcribe-2 and gpt-transcribe called through OpenRouter), and three open-source models. Every system transcribed the same clips, and all outputs were scored with the same references and scoring program on 20 October 2026.

Model	Type
lomasub 1.0	Loma Sub model
ElevenLabs Scribe v2	API service
Gemini 3.5 Transcribe Live	API service
MAI-Transcribe-2	API service (via OpenRouter)
gpt-transcribe	API service (via OpenRouter)
Qwen3-ASR-1.7B	Open-source model
Typhoon Whisper Turbo	Open-source model
Whisper large-v3	Open-source model

API services may change their underlying models after testing, so the figures on this page reflect each service at the time of testing.

Test set and scoring

Every reference was rebuilt by listening to the audio, so the score reflects what the speaker actually said, written the way Thai readers write it.

References checked against the audio of every clip

FLEURS is a multilingual dataset of read sentences published by Google. We used 500 Thai clips, listened to every one, and corrected the reference to match what the speaker actually said rather than the original text. Some speakers restart a sentence, repeat words, read numbers in a particular way, or pronounce words differently because of accent; the references keep all of this. In 24 clips the reference contains a restart, a repetition or a filler word, and in one clip the speaker reads the same sentence three times. The test set therefore rewards word-for-word transcription and penalizes systems that rephrase what was said.

CER as the main metric

Thai is written without spaces between words, so word error rate (WER) depends as much on the word segmenter as on the model, and segmenters handle loanwords and proper nouns differently. CER on normalized text needs no segmenter, and a name misspelled by one character counts as one error. This page therefore uses CER as the main metric and shows WER (segmented with PyThaiNLP newmm) for reference.

The CER of a clip is the Levenshtein distance between the reference and the normalized transcript, divided by the length of the reference and capped at 1. The reported figures are the mean and median of per-clip CER over all 500 clips.

Several correct written forms accepted

English names, technical terms, acronyms and spoken numbers can be written correctly in Thai in more than one way. The reference therefore lists every correct form in brackets [x,y], based on how Thai readers actually write. Technical terms and proper nouns are often kept in English, so many groups pair a Latin-script form with a Thai transliteration (253 of the 351 bracket groups contain both scripts). Arabic digits and spelled-out numbers, and words that may or may not be spoken, are accepted either way. Loanwords that Thai normally writes in Thai script (วีซ่า visa, กาแล็กซี galaxy) keep only the Thai form. The choice of script is therefore not penalized, but wrong words and spellings nobody uses are.

How each model writes

The 8 models choose written forms differently. In the clips where the reference accepts a Latin form, Whisper large-v3, lomasub and MAI write Latin script in 55%, 48% and 42% of clips, while Gemini and gpt-transcribe do so in 35 and 34 of the 151 clips. The references were checked so that the same sentence carries the same brackets every time it appears, and units, punctuation and the repetition mark ๆ are normalized with the same rules for every system.

Scoring when the reference has brackets [x,y]

The scorer expands every combination of bracket options into a separate candidate reference, computes CER against each, and takes the lowest (ties are broken by WER). 190 of the 500 references (38%) have at least one bracket group, 351 groups in total: 253 Latin/Thai script groups, 56 digit/number-word groups, 15 groups for words that may or may not be spoken, and 27 groups for acronyms or other spellings. Most groups have two options; the largest has five.

For example, clip #48 has two bracket groups, so it has 2 × 2 = 4 candidates. lomasub's transcript matches candidate 3 exactly.

1ในปี 1976 สามสิบเปอร์เซ็นต์ของมาชูปิกชูได้รับการฟื้นฟูซ่อมแซม และการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้
2ในปี 1976 สามสิบเปอร์เซ็นต์ของMachu Picchuได้รับการฟื้นฟูซ่อมแซม และการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้
3ในปี 1976 30%ของมาชูปิกชูได้รับการฟื้นฟูซ่อมแซม และการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้← lomasub's output (CER = 0)
4ในปี 1976 30%ของMachu Picchuได้รับการฟื้นฟูซ่อมแซม และการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้

Brackets do not cover a wrong English word (Wicked for วิกเก็ต), Latin spellings the reference does not list, Thai spellings that differ from the reference (มารีน่า vs มาเรียนา), or missing and extra words. These are what separate the models' CERs.

Normalization steps (applied to both reference and transcript)

Remove zero-width characters, ellipses, text in square brackets, ?, 。 and commas.
Map units and abbreviations to one short form (เปอร์เซ็นต์ → %, คริสต์ศักราช → ค.ศ., กิโลเมตร → กม., 35 mm → 35 มม.).
Remove punctuation (quotation marks, ! ; ( ), periods that are not decimal points, hyphens) and turn a colon between digits into a decimal point, so 22:00 equals 22.00.
Unify the two encodings of the vowel sara am (ํา → ำ) and remove filler words (ครับ ค่ะ นะ เอ่อ อืม …) from both sides.
Apply a checked dictionary of 212 Thai–English word pairs (e.g. แอดเด็นบรูคส์ ⇄ Addenbrooks) when it reduces the distance.
Convert Thai number words to digits (แปดแสน → 800000, สิบหก → 16).
Remove all spaces and lowercase Latin letters.

Steps 2 and 3 mean that output such as Gemini's (FKP) in the Falkland Islands clip, or MAI's ค.ศ. for คริสตศักราช, is not counted as an error.

Mean CER over 500 clips

lomasub has the lowest mean CER in the group at 1.21%. ElevenLabs Scribe v2 is 0.15 percentage points higher and Gemini 3.5 Transcribe Live 0.30 points higher. The three open-source models have mean CERs of 3.22–4.97%.

Model	Mean CER	Median	P90	CER = 0	> 10%	> 20%	WER (newmm)
lomasub	1.21%	0.00%	3.7%	306 (61%)	7	0	3.80%
ElevenLabs Scribe v2	1.36%	0.00%	4.4%	287 (57%)	4	0	4.35%
Gemini 3.5 Transcribe Live	1.51%	0.00%	4.5%	276 (55%)	7	0	4.41%
MAI-Transcribe-2	1.66%	0.00%	4.9%	305 (61%)	12	2	4.28%
gpt-transcribe	2.34%	0.93%	6.5%	232 (46%)	17	1	6.66%
Qwen3-ASR-1.7B	3.22%	1.74%	8.9%	175 (35%)	34	0	9.87%
Typhoon Whisper Turbo	3.22%	2.13%	7.8%	125 (25%)	29	0	12.52%
Whisper large-v3	4.97%	4.17%	10.9%	85 (17%)	60	1	18.96%

CER = 0 is the number of clips whose transcript matches a candidate reference exactly after normalization · P90 is the 90th percentile of per-clip CER · > 10% and > 20% are the numbers of clips with CER above those values · WER is segmented with newmm on the same text and shown for reference.

Mean versus the tail of the distribution

MAI-Transcribe-2 has nearly as many CER = 0 clips as lomasub (305 vs 306) but a higher mean CER, because 12 of its clips exceed 10% CER and 2 exceed 20%, against 7 and 0 for lomasub. The mean is driven more by a few clips with many errors than by many clips with small errors.

ElevenLabs Scribe v2 has 19 fewer CER = 0 clips than lomasub but the fewest clips above 10% CER in the group (4), so its mean CER is close to lomasub's.

Clips with CER = 0 (of 500)

lomasub

306

MAI-Transcribe-2

305

ElevenLabs Scribe v2

287

Gemini 3.5 Transcribe Live

276

gpt-transcribe

232

Qwen3-ASR-1.7B

175

Typhoon Whisper Turbo

125

Whisper large-v3

Per-clip CER difference against lomasub

The mean ranks the models but does not show whether a gap comes from a few clips or is spread across the whole set. Comparing two models' CER on the same clip, one clip at a time, answers that.

Clips where lomasub's CER is lower, equal and higher

lomasub lowerEquallomasub higher

ElevenLabs Scribe v2

−0.0015

111

296

Gemini 3.5 Transcribe Live

−0.0030

121

304

MAI-Transcribe-2

−0.0045

311

gpt-transcribe

−0.0113

191

238

Qwen3-ASR-1.7B

−0.0201

261

200

Typhoon Whisper Turbo

−0.0201

315

140

Whisper large-v3

−0.0376

384

The number after each model name is the mean per-clip CER difference (lomasub's CER minus that model's CER on the same clip, averaged over 500 clips). A negative value means lomasub's CER is lower.

ElevenLabs Scribe v2

The mean difference of −0.0015 is the smallest gap in the group. lomasub's CER is lower on 111 clips, equal on 296 and higher on 93.

Other models

The difference grows with Gemini (−0.0030) and MAI (−0.0045). Against gpt-transcribe and the three open-source models it ranges from −0.0113 to −0.0376, and lomasub's CER is lower on most clips (lower than Whisper large-v3 on 384 of 500). The share of equal clips is high because many clips are transcribed exactly by several models at once.

All pairs

The number of clips (of 500) on which the row model has a lower CER than the column model. For example, row lomasub, column ElevenLabs = 111 means lomasub's CER is lower than ElevenLabs's on 111 clips, and row ElevenLabs, column lomasub = 93 is the reverse. The remaining 296 clips are equal.

Row < column	lomasub	ElevenLabs	Gemini	MAI	gpt	Qwen3	Typhoon	Whisper v3
lomasub	–	111	121	95	191	261	315	384
ElevenLabs	93	–	120	91	187	259	297	376
Gemini	75	113	–	97	177	253	297	371
MAI	94	113	125	–	190	256	306	377
gpt	71	94	103	76	–	222	258	341
Qwen3	39	47	67	43	102	–	196	287
Typhoon	45	41	67	57	116	164	–	297
Whisper v3	20	37	38	22	63	109	106	–

Per-clip CER of each model

lomasub has the most CER = 0 clips (306, followed by MAI-Transcribe-2 with 305) and a short tail: 7 clips above 10% CER and none above 20%. No model produced repetition loops or empty output on this test set.

Clips in each CER band

CER = 00–2%2–5%5–10%10–20%> 20%

lomasub

> 10%: 7

306

ElevenLabs Scribe v2

> 10%: 4

287

Gemini 3.5 Transcribe Live

> 10%: 7

276

102

MAI-Transcribe-2

> 10%: 12

305

gpt-transcribe

> 10%: 17

232

119

Qwen3-ASR-1.7B

> 10%: 34

175

120

Typhoon Whisper Turbo

> 10%: 29

125

111

144

Whisper large-v3

> 10%: 60

126

152

Each bar is that model's 500 clips. Numbers inside the bar are clip counts per band; the number after the model name is the count of clips above 10% CER.

lomasub's rank on each clip

Ranking the 8 models on each clip (ties take the better rank), lomasub is first on 356 clips, the only model with the lowest CER on 11 clips, and lower than at least 5 of the 7 other systems on 103 clips. Conversely, on 32 clips at least 5 systems have a lower CER than lomasub, and on 6 clips lomasub ranks last.

lomasub does not have the lowest CER on every clip, but it has few clips with very high CER, which keeps its mean low.

Clips by lomasub's rank

Rank 1lowest CER or tied for it

356 clips

Rank 2

32 clips

Rank 3

34 clips

Rank 4

27 clips

Rank 5

19 clips

Rank 6

18 clips

Rank 7

8 clips

Rank 8highest CER

6 clips

How each model writes foreign words

The table shows two things: how often each model writes Latin script in the 151 clips where the reference accepts a Latin form, and how many clips contain a Latin-script word that is not in the reference, with the CER of those clips compared with the rest.

Model	Latin when accepted	Clips with Latin not in reference	CER in those clips	CER in other clips
lomasub	48% (73)	22	4.23%	1.07%
ElevenLabs Scribe v2	32% (49)	7	4.41%	1.32%
Gemini 3.5 Transcribe Live	23% (35)	5	4.12%	1.48%
MAI-Transcribe-2	42% (64)	14	3.16%	1.62%
gpt-transcribe	23% (34)	3	4.61%	2.32%
Qwen3-ASR-1.7B	25% (38)	9	5.70%	3.17%
Typhoon Whisper Turbo	28% (42)	15	5.87%	3.14%
Whisper large-v3	55% (83)	23	6.99%	4.87%

lomasub and Whisper large-v3 write English words in Latin script most often. This gives a low CER when the reference accepts the Latin form (clips #312, #79, #136) and a high CER when the English word is wrong (clips #108, #491) or misheard (RPR for อาปีอา in clip #410). lomasub has 22 such clips, with a mean CER of 4.23% against 1.07% for the other 478. These clips are the main source of lomasub's errors.

Clips where lomasub scores better

On 103 clips lomasub has a lower CER than at least 5 of the 7 other models. Checking them one by one, the differences fall into four recurring patterns. Below are 20 examples from this group, sorted by pattern.

Verbatim transcription

Keeps the restarts, repetitions and filler words that the reference keeps, and adds no words the speaker did not say. On the 24 clips with repetitions or self-corrections, lomasub has CER = 0 on 12.

See 5 examples

Latin script for proper nouns

Writes Addenbrooks, Sundarbans, Northern Mariana, Scaffolding and T-Rex as they are spelled in English. A Latin-script name has one spelling while its Thai transliteration has several, and the other models' Thai spellings often differ from the reference.

See 5 examples

Rare Thai words

Gets rare words and compounds right where other models substitute a more common phrase, e.g. ทัศนศึกษา, ถูกยิง, ยอชต์, ขนนก, สุนทรพจน์, ทะเยอทะยาน.

See 6 examples

Numbers

Writes 30%, 1976, 2005 and 6 ต่อ 6 with Arabic digits. Normalization converts Thai number words to digits and maps % ⇄ เปอร์เซ็นต์, so numeric output is not penalized.

See 4 examples

Clips with repetitions or self-corrections

The references of these 24 clips contain restarts, repeated phrases or filler words. A model that rewrites the speech into a clean sentence loses whole stretches of characters.

This result depends on how the test set was built. With the original FLEURS text as the reference, models that rephrase would score a lower CER. For work that must keep the actual wording, such as interview transcripts, testimony and captions, this section is closer to real use.

Clips with CER = 0 out of the 24 with repetitions

lomasub

12 / 24

ElevenLabs Scribe v2

11 / 24

Gemini 3.5 Transcribe Live

8 / 24

MAI-Transcribe-2

6 / 24

gpt-transcribe

6 / 24

Qwen3-ASR-1.7B

5 / 24

Typhoon Whisper Turbo

3 / 24

Whisper large-v3

3 / 24

Transcript examples

Each example shows the reference and all 8 models' transcripts in the form the scorer compares: spaces removed, Latin lowercased, and aligned to the closest candidate. Models are in order of mean CER; the number is the CER on that clip.

Missing reference text the model did not writeWritten as what the model wrote insteadExtra text not in the reference

Verbatim transcription

Clip #40

Verbatim transcription when the speaker corrects themselves

lomasub has lower CER than 7 of 7 models

The speaker restarts twice (ในการจำ กำจัด…, ยังเป็นทาง ยังเป็นแนวทาง) and the reference keeps both. lomasub transcribes them as spoken. MAI, Qwen and Whisper large-v3 drop the repeated part, and Gemini, gpt-transcribe, Typhoon and Whisper large-v3 write ทว่า as จะว่า or ถ้าว่า.

Reference

ทว่าไม่ได้มีแค่อย่างเดียว การทดลองและการทดสอบ คือการตรวจสอบที่ใช้ในการจำ กำจัดสมมติฐานที่เป็นไปได้อย่างน้อยหนึ่งข้อโดยการถามคำถาม และการเฝ้าสังเกตยังเป็นทาง ยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย

lomasub0.000ทว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยังเป็นทางยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
ElevenLabs Scribe v20.036ทว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยังเป็นทางอย่างยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
Gemini 3.5 Transcribe Live0.052ทจะว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยัอย่างเป็นทางอย่างยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
MAI-Transcribe-20.062ทว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยังเป็นทางยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
gpt-transcribe0.042ทถ้าว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตอยั่างเป็นทางยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
Qwen3-ASR-1.7B0.062ทว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยังเป็นทางยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
Typhoon Whisper Turbo0.036ทถ้าว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมุติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยังเป็นทางยังยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย
Whisper large-v30.078ทถ้าว่าไม่ได้มีแค่อย่างเดียวการทดลองและการทดสอบคือการตรวจสอบที่ใช้ในการจำกำจัดสมมติฐานที่เป็นไปได้อย่างน้อย1ข้อโดยการถามคำถามและการเฝ้าสังเกตยังเป็นทางยังเป็นแนวทางในการวิจัยทางวิทยาศาสตร์อีกด้วย

Clip #10

Restart kept

lomasub has lower CER than 6 of 7 models

The speaker says ไม่ได้เป็นพิธี before correcting it to ไม่ได้เป็นวิธีการเรียนรู้, and the reference keeps both. lomasub and ElevenLabs transcribe it as spoken and score CER = 0. MAI, gpt-transcribe, Qwen and Whisper large-v3 drop the first phrase; Gemini writes พิธี as พีที and Qwen writes Scaffolding as สแครฟติง.

Reference

สแคฟโฟลดิง / Scaffoldingไม่ได้เป็นพิธี ไม่ได้เป็นวิธีการเรียนรู้ หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ ๆ อย่างเช่น ใช้งานโปรแกรมคอมพิวเตอร์ใหม่ หรือเริ่มโครงการใหม่

lomasub0.000scaffoldingไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
ElevenLabs Scribe v20.000scaffoldingไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
Gemini 3.5 Transcribe Live0.012scaffoldingไม่ได้เป็นพิธีทีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
MAI-Transcribe-20.081scaffoldingไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
gpt-transcribe0.081scaffoldingไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
Qwen3-ASR-1.7B0.105สแครฟโฟลดติงไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
Typhoon Whisper Turbo0.017สแคฟโฟอลดิ้งไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ใหม่อย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่
Whisper large-v30.081scaffoldingไม่ได้เป็นพิธีไม่ได้เป็นวิธีการเรียนรู้หากแต่เป็นเสมือนเครื่องช่วยสนับสนุนบุคคลที่กำลังเรียนรู้สิ่งใหม่ๆอย่างเช่นใช้งานโปรแกรมคอมพิวเตอร์ใหม่หรือเริ่มโครงการใหม่

Clip #354

Repetition: นั่นไม่ นั่นไม่

lomasub has lower CER than 5 of 7 models

The speaker says นั่นไม่ twice and says แม้ว่า before correcting it to แม้จะ. lomasub, ElevenLabs and Gemini keep both and score CER = 0. MAI drops both; gpt-transcribe drops the repeated นั่นไม่ and merges the other into แม้ว่าจะ; Qwen and Whisper large-v3 drop the repeated นั่นไม่.

Reference

อย่างไรก็ดี นั่นไม่ นั่นไม่เป็นความจริง แม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสาร แต่ก็ไม่ใช่— / สัตว์แผนที่ขุมทรัพย์อยู่ดี

lomasub0.000อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผนที่ขุมทรัพย์อยู่ดี
ElevenLabs Scribe v20.000อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผนที่ขุมทรัพย์อยู่ดี
Gemini 3.5 Transcribe Live0.000อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผนที่ขุมทรัพย์อยู่ดี
MAI-Transcribe-20.110อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผนที่ขุมทรัพย์อยู่ดี
gpt-transcribe0.085อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผนที่ขุมทรัพย์อยู่ดี
Qwen3-ASR-1.7B0.068อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผ่นที่ขุมทรัพย์อยู่ดี
Typhoon Whisper Turbo0.017อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผ่นที่ขคุมทรัพย์อยู่ดี
Whisper large-v30.076อย่างไรก็ดีนั่นไม่นั่นไม่เป็นความจริงแม้ว่าแม้จะมีบางอย่างเขียนไว้ที่ด้านหลังของเอกสารแต่ก็ไม่ใช่แผ่นที่ขคุมทรัพย์อยู่ดี

Clip #418

No added words: เทคโนโลยี

lomasub has lower CER than 5 of 7 models

Five models add the word เทคโนโลยี (technology), or a garbled form such as เทคโนโลกส์ or เทคโนเล็กส์, before เทคนิคใหม่ ๆ; it is not in the reference. lomasub, MAI and gpt-transcribe transcribe what was said and score CER = 0.

Reference

นอกจากนี้ การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วย ซึ่งก็ได้นำไปสู่การคิดค้นเทคนิคใหม่ ๆ ในการซ่อมแซมตัวถังที่ถูกทำลาย

lomasub0.000นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย
ElevenLabs Scribe v20.055นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคโนโลยีเทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย
Gemini 3.5 Transcribe Live0.055นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคโนโลยีเทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย
MAI-Transcribe-20.000นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย
gpt-transcribe0.000นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย
Qwen3-ASR-1.7B0.055นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคโนโลยีเทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย
Typhoon Whisper Turbo0.060นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคโนโลกส์เทคนิคใหม่ใหม่ในการซ่อมแซมตัวถังที่ถูกทำลาย
Whisper large-v30.067นอกจากนี้การที่ผู้เป็นเจ้าของรถยนต์มีจำนวนมากมายมหาศาลยังทำให้เกิดอุบัติเหตุบนท้องถนนสูงขึ้นอีกด้วยซึ่งก็ได้นำไปสู่การคิดค้นเทคโนเล็กส์เทคนิคใหม่ๆในการซ่อมแซมตัวถังที่ถูกทำลาย

Clip #434

No doubled words: เป็นทวีป

lomasub has lower CER than 5 of 7 models

ElevenLabs, Gemini and Typhoon write เป็นทวีป twice, while the reference has it once. Qwen writes เอกราช (independent) as เอกลักษณ์ and Whisper large-v3 writes ทว่า as ถ้า. lomasub, MAI and gpt-transcribe score CER = 0.

Reference

ยุโรปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชมากมาย ในสถานการณ์ปกติ การเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง

lomasub0.000ยุโรปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง
ElevenLabs Scribe v20.048ยุโรปเป็นทวีปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง
Gemini 3.5 Transcribe Live0.048ยุโรปเป็นทวีปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง
MAI-Transcribe-20.000ยุโรปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง
gpt-transcribe0.000ยุโรปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง
Qwen3-ASR-1.7B0.048ยุโรปเป็นทวีปที่ค่อนข้างเล็กทว่ามีประเทศที่เป็นเอกราชลักษณ์มากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีซ่าหลายหุ่นและผ่านการตรวจหนังสือเดินทางหลายครั้ง
Typhoon Whisper Turbo0.071ยุโรปเป็นทวีปเป็นทวีปที่ค่อนข้างเล็กเท่าว่ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีิซ่าหลายหนและผ่านการตรวจหนังสือเดินทางหลายครั้ง
Whisper large-v30.042ยุโรปเป็นทวีปที่ค่อนข้างเล็กทว่ถ้ามีประเทศที่เป็นเอกราชมากมายในสถานการณ์ปกติการเดินทางผ่านหลายประเทศหมายความว่าต้องมีการขอวีิซ่าหลายหน่วงและผ่านการตรวจหนังสือเดินทางหลายครั้ง

Latin script for proper nouns

Clip #312

Proper nouns in Latin script

lomasub has lower CER than 7 of 7 models

The reference accepts both Addenbrooks and แอดเด็นบรูคส์, and both Cambridge and เคมบริดจ์. lomasub writes the Latin forms (one s short: Addenbrook). The other models write Thai spellings that differ from the reference (แอดเดนบรูก, แอตเดนบรุค).

Reference

จากจาก / —นั้น เขาถูกย้ายไปยังโรงพยาบาล Addenbrooks / แอดเด็นบรูคส์ ในเคมบริดจ์ / Cambridge

lomasub0.018จากจากนั้นเขาถูกย้ายไปยังโรงพยาบาลaddenbrooksในเคมบริดจ์
ElevenLabs Scribe v20.069จากจากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดเด็นบรูคส์กในเคมบริดจ์
Gemini 3.5 Transcribe Live0.052จากจากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดเด็นบรูคส์ในเคมบริดจ์
MAI-Transcribe-20.091จากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดตเด็นบรูุคส์ในเคมบริดจ์
gpt-transcribe0.069จากจากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดเด็นบรูคส์กในเคมบริดจ์
Qwen3-ASR-1.7B0.086จากจากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดเด็นบรูคส์ในเคมบริดจ์ج
Typhoon Whisper Turbo0.103จากจากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดเด็นบรูคส์กในเคมบริดจ์
Whisper large-v30.145จากนั้นเขาถูกย้ายไปยังโรงพยาบาลแอดเด็นบรลูคส์กในเคมบริดจ์ก

Clip #136

Proper noun in Latin script: Sundarbans

lomasub has lower CER than 7 of 7 models

The reference accepts both ซุนดาร์บันส์ and Sundarbans. lomasub writes the Latin form and scores CER = 0. ElevenLabs, MAI, Qwen and Whisper large-v3 write ซุนดาบัน, without the ร์ and ส์ of the reference spelling, and Typhoon writes ซึนดาบันส์. Gemini and gpt-transcribe spell the name correctly but write องค์การ instead of องค์กร.

Reference

องค์กรยูเนสโก / UNESCOประกาศให้ซุนดาร์บันส์ / Sundarbansเป็นมรดกโลก ส่วนหนึ่งของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์ / Sundarbans

lomasub0.000องค์กรยูเนสโกประกาศให้sundarbansเป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติsundarbans
ElevenLabs Scribe v20.070องค์กรยูเนสโกประกาศให้ซุนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์
Gemini 3.5 Transcribe Live0.009องค์การยูเนสโกประกาศให้ซุนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์
MAI-Transcribe-20.070องค์กรยูเนสโกประกาศให้ซุนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์
gpt-transcribe0.009องค์การยูเนสโกประกาศให้ซุนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์
Qwen3-ASR-1.7B0.070องค์กรยูเนสโกประกาศให้ซุนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์
Typhoon Whisper Turbo0.052องค์กรยูเนสโกประกาศให้ซุึนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุึนดาร์บันส์
Whisper large-v30.070องค์กรยูเนสโกประกาศให้ซุนดาร์บันส์เป็นมรดกโลกส่วน1ของป่าที่อยู่ในเขตแดนของอินเดียเรียกว่าอุทยานแห่งชาติซุนดาร์บันส์

Clip #79

Proper noun in Latin script: Northern Mariana

lomasub has lower CER than 6 of 7 models

The reference accepts both นอร์เทิร์นมาเรียนา and Northern Mariana, and accepts the word สำนัก with or without the speaker's repetition. lomasub writes the Latin form and Gemini the reference's Thai spelling; both score CER = 0. MAI writes Northern Marina, and the other models write Thai spellings that differ from the reference, such as นอร์เทิร์น มารีน่า, นอร์ซึน มารีนา and North มาริน่า.

Reference

สำนัก สำนัก / สำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์นมาเรียนา / Northern Marianaแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ

lomasub0.000สำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์นมาเรียนาแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
ElevenLabs Scribe v20.044สำนักมสำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์นมาเรียน่าแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
Gemini 3.5 Transcribe Live0.000สำนักสำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์นมาเรียนาแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
MAI-Transcribe-20.012สำนักงานจัดการเหตุฉุกเฉินของnorthernmarianaแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
gpt-transcribe0.081สำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์ซึนมาเรียนาแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
Qwen3-ASR-1.7B0.070สำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์ซนมาเรียนาแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
Typhoon Whisper Turbo0.120สำนักงานจัดการเหตุฉุกเฉินของnorthernmarianaมาริน่าแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ
Whisper large-v30.035สำนักงานจัดการเหตุฉุกเฉินของนอร์เทิร์นมาเรียน่าแถลงว่าไม่มีรายงานความเสียหายภายในประเทศ

Clip #92

Proper noun in Latin script: T-Rex

lomasub has lower CER than 5 of 7 models

The reference accepts both ทีเร็กซ์ and T-Rex. lomasub writes the Latin form and Gemini and MAI the Thai form; all three score CER = 0. gpt-transcribe, Qwen and Typhoon write ทีเร็ก or ทีเรก without the final ซ์. Qwen and Whisper large-v3 write ไดโนเสาร์ (dinosaur) as ในตัวเสา and ในดัวเสา, and ElevenLabs adds the word นาย before ไดโนเสาร์.

Reference

มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วย แม้แต่ไดโนเสาร์ยักษ์ใหญ่อย่าง ทีเร็กซ์ / T-Rex ก็ไม่ใช่คู่ต่อกรของมัน

lomasub0.000มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไดโนเสาร์ยักษ์ใหญ่อย่างtrexก็ไม่ใช่คู่ต่อกรของมัน
ElevenLabs Scribe v20.031มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่นายไดโนเสาร์ยักษ์ใหญ่อย่างทีเร็กซ์ก็ไม่ใช่คู่ต่อกรของมัน
Gemini 3.5 Transcribe Live0.000มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไดโนเสาร์ยักษ์ใหญ่อย่างทีเร็กซ์ก็ไม่ใช่คู่ต่อกรของมัน
MAI-Transcribe-20.000มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไดโนเสาร์ยักษ์ใหญ่อย่างทีเร็กซ์ก็ไม่ใช่คู่ต่อกรของมัน
gpt-transcribe0.031มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไดโนเสาร์ยักษ์ใหญ่อย่างทีเร็กซ์ก็ไม่ใช่คู่ต่อกรของมัน
Qwen3-ASR-1.7B0.092มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไดโในตัวเสาร์ยักษ์ใหญ่อย่างทีเร็กซ์ก็ไม่ใช่คู่ต่อกรของมัน
Typhoon Whisper Turbo0.051มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไดในโนเสาร์ยักษ์ใหญ่อย่างทีเร็กซ์ก็ไม่ใช่คู่ต่อกรของมัน
Whisper large-v30.074มันยังโจมตีอะไรก็ตามที่ลงไปในถ้ำอีกด้วยแม้แต่ไในดโนัวเสาร์ยักษ์ใหญ่อย่างtrexก็ไม่ใช่คู่ต่อกรของมัน

Clip #421

Long sentence with proper nouns: Scrapbook

lomasub has lower CER than 7 of 7 models

The reference is about 200 characters long and accepts both นอร์ทแคโรไลนา / North Carolina and สแครปบุ๊ก / scrapbook. lomasub scores CER = 0. Every other model has at least one error: the school name เบนเน็ต (เบนเนท, เบนเน็ตต์, เป็นเนต, เบเนดิกต์), เว็บไซต์ written twice (ElevenLabs, Gemini), the state name (นอร์ธแคโรไลนา, นอร์ธแคลอร์ไลน่า) or สแครปบุ๊ก (สแครปบุ๊ค, สเก็ตบุ๊ก, สแคปบุ๊บ, สแก๊ปบุ๊บ).

Reference

ตัวอย่างเช่น นักเรียนจากโรงเรียนเบนเน็ตในรัฐนอร์ทแคโรไลนา / North Carolinaออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐ เว็บไซต์จะได้รับการออกแบบใหม่ทุกปี แต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊ก / scrapbook

lomasub0.000ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตในรัฐนอร์ทแคโรไลนาออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊ก
ElevenLabs Scribe v20.029ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตในรัฐnorthcarolinaออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊ก
Gemini 3.5 Transcribe Live0.054ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตทในรัฐnorthcarolinaออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์เว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊กค
MAI-Transcribe-20.015ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตต์ในรัฐนอร์ทธแคโรไลนาออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊ก
gpt-transcribe0.015ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ป็นเนตในรัฐnorthcarolinaออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊ก
Qwen3-ASR-1.7B0.044ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตเนดิกต์ในรัฐnorthcarolinaออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชันเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปเก็ตบุ๊ก
Typhoon Whisper Turbo0.015ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตในรัฐnorthcarolinaออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชั่นเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครปบุ๊กบ
Whisper large-v30.044ตัวอย่างเช่นนักเรียนจากโรงเรียนเบนเน็ตในรัฐนอร์ทธแคโรไลนลอร์ไลน่าออกแบบเว็บไซต์การเดินทางของพวกเขาไปยังเมืองหลวงของรัฐเว็บไซต์จะได้รับการออกแบบใหม่ทุกปีแต่เวอร์ชั่นเก่าก็ยังคงเปิดดูได้ทางออนไลน์เพื่อใช้เป็นสแครก๊ปบุ๊กบ

Rare Thai words

Clip #400

Low-frequency compound: ทัศนศึกษา

lomasub has lower CER than 7 of 7 models

All 7 other models transcribe ทัศนศึกษา (field trip) as a different word, such as ทางด้านศึกษา, ทางการศึกษา or ทางนักศึกษา. lomasub is the only model with CER = 0.

Reference

การร่วมแบ่งปันประสบการณ์ทัศนศึกษาเสมือนจริง เป็นวิธีที่ดีมากวิธีหนึ่งในการสะท้อนการเดินทางและแบ่งปันประสบการณ์กับวิชาเรียนในอนาคต

lomasub0.000การร่วมแบ่งปันประสบการณ์ทัศนศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์กับวิชาเรียนในอนาคต
ElevenLabs Scribe v20.089การร่วมแบ่งปันประสบการณ์ทัศางด้านศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์เกี่ยวกับวิชาเรียนในอนาคต
Gemini 3.5 Transcribe Live0.040การร่วมแบ่งปันประสบการณ์ทัศางด้านศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์กับวิชาเรียนในอนาคต
MAI-Transcribe-20.040การร่วมแบ่งปันประสบการณ์ทัศนางการศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์กับวิชาเรียนในอนาคต
gpt-transcribe0.073การร่วมแบ่งปันประสบการณ์ทัศนางการศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์วิกับวปิชาเรียนในอนาคต
Qwen3-ASR-1.7B0.081การร่วมแบ่งปันประสบการณ์ทางนัศนกศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์วิศวกับรวิชาเรียนในอนาคต
Typhoon Whisper Turbo0.056การร่วมแบ่งปันประสบการณ์ท่านนัศนกศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์วิกับวิชาเรียนในอนาคต
Whisper large-v30.056การร่วมแบ่งปันประสบการณ์ท่านรัศนฐศึกษาเสมือนจริงเป็นวิธีที่ดีมากวิธี1ในการสะท้อนการเดินทางและแบ่งปันประสบการณ์วิกับวิชาเรียนในอนาคต

Clip #170

Verb at the end of the sentence: ถูกยิง

lomasub has lower CER than 7 of 7 models

Gemini, MAI, gpt-transcribe, Qwen and Whisper large-v3 transcribe ถูกยิง (was shot) as ทุบตี, ทุบหญิง, ทุกข์อีก, ถูกอีก and ถูกหญิง respectively. ElevenLabs and Typhoon get this word right, but ElevenLabs drops เข้า and writes the name as เมนโดซา, and Typhoon writes หญิงชรา as หญิงชะลา. lomasub is the only model with CER = 0.

Reference

ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องจากเธอต้องไปเข้าห้องน้ำ เบนโดซ่าถูกยิงอย่างพ่ายแพ้

lomasub0.000ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องจากเธอต้องไปเข้าห้องน้ำเบนโดซ่าถูกยิงอย่างพ่ายแพ้
ElevenLabs Scribe v20.067ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องจากเธอต้องไปเข้าห้องน้ำเบมนโดซ่าถูกยิงอย่างพ่ายแพ้
Gemini 3.5 Transcribe Live0.122ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องจากเธอต้องไปเข้าห้องน้ำเบมนโดซ่าถูกยิงทุบตีอย่างพ่ายแพ้
MAI-Transcribe-20.078ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องจากเธอต้องไปเข้าห้องน้ำเบมนโดซ่าถูกยทุบหญิงอย่างพ่ายแพ้
gpt-transcribe0.133ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องจากเธอต้องไปเข้าห้องน้ำเบมนโดซ่าถูทุกยิงข์อีกอย่างพ่ายแพ้
Qwen3-ASR-1.7B0.133ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชราเนื่องกจากเธอต้องไปเข้าห้องน้ำเบนโดซ่าถูกยิงอีกอย่างพ่ายแพ้
Typhoon Whisper Turbo0.022ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชระลาเนื่องจากเธอต้องไปเข้าห้องน้ำเบนโดซ่าถูกยิงอย่างพ่ายแพ้
Whisper large-v30.122ต่อมามีช่างภาพหลายคนมาแทนที่หญิงชระลาเนื่องจากเธอต้องไปเข้าห้องน้ำเบนมโดซ่าถูกยหญิงอย่างพ่ายแพ้ๆ

Clip #145

Rare Thai words: วิวัฒนาการของขนนก

lomasub has lower CER than 5 of 7 models

MAI and Qwen transcribe วิวัฒนาการ (evolution) as วิทยาการ; Typhoon and Whisper large-v3 write วิธานการ and วิธีนาการ. Gemini drops นก, and Qwen, Typhoon and Whisper large-v3 write ดังกล่าว as ดังเก่า. lomasub, ElevenLabs and gpt-transcribe score CER = 0.

Reference

การค้นพบเกี่ยวกับเรื่องดังกล่าวยังช่วยให้เห็นวิวัฒนาการของขนนกในเชิงลึกอีกด้วย

lomasub0.000การค้นพบเกี่ยวกับเรื่องดังกล่าวยังช่วยให้เห็นวิวัฒนาการของขนนกในเชิงลึกอีกด้วย
ElevenLabs Scribe v20.000การค้นพบเกี่ยวกับเรื่องดังกล่าวยังช่วยให้เห็นวิวัฒนาการของขนนกในเชิงลึกอีกด้วย
Gemini 3.5 Transcribe Live0.026การค้นพบเกี่ยวกับเรื่องดังกล่าวยังช่วยให้เห็นวิวัฒนาการของขนนกในเชิงลึกอีกด้วย
MAI-Transcribe-20.051การค้นพบเกี่ยวกับเรื่องดังกล่าวยังช่วยให้เห็นวิวัฒนทยาการของขนนกในเชิงลึกอีกด้วย
gpt-transcribe0.000การค้นพบเกี่ยวกับเรื่องดังกล่าวยังช่วยให้เห็นวิวัฒนาการของขนนกในเชิงลึกอีกด้วย
Qwen3-ASR-1.7B0.090การค้นพบเกี่ยวกับเรื่องดังเกล่าวยังช่วยให้เห็นวิวัฒนทยาการของขนนกในเชิงลึกอีกด้วย
Typhoon Whisper Turbo0.090การค้นพบเกี่ยวกับเรื่องดังเกล่าวยังช่วยให้เห็นวิวัฒธานาการของขนนกในเชิงลึกอีกด้วย
Whisper large-v30.077การค้นพบเกี่ยวกับเรื่องดังเกล่าวยังช่วยให้เห็นวิวัฒธีนาการของขนนกในเชิงลึกอีกด้วย

Clip #227

Loanword with several spellings: เรือยอชต์

lomasub has lower CER than 5 of 7 models

The other models spell ยอชต์ (yacht) four different ways: ยอร์ช (ElevenLabs), ยอชท์ (Gemini), ยอท (Qwen) and ยอด (Typhoon, Whisper large-v3). lomasub, MAI and gpt-transcribe match the reference spelling and score CER = 0.

Reference

คุณไม่จำเป็นต้องใช้เรือยอชต์ในหมู่เกาะและทะเลสาบ

lomasub0.000คุณไม่จำเป็นต้องใช้เรือยอชต์ในหมู่เกาะและทะเลสาบ
ElevenLabs Scribe v20.062คุณไม่จำเป็นต้องใช้เรือยอร์ชต์ในหมู่เกาะและทะเลสาบ
Gemini 3.5 Transcribe Live0.021คุณไม่จำเป็นต้องใช้เรือยอชตท์ในหมู่เกาะและทะเลสาบ
MAI-Transcribe-20.000คุณไม่จำเป็นต้องใช้เรือยอชต์ในหมู่เกาะและทะเลสาบ
gpt-transcribe0.000คุณไม่จำเป็นต้องใช้เรือยอชต์ในหมู่เกาะและทะเลสาบ
Qwen3-ASR-1.7B0.062คุณไม่จำเป็นต้องใช้เรือยอชต์ทในหมู่เกาะและทะเลสาบ
Typhoon Whisper Turbo0.062คุณไม่จำเป็นต้องใช้เรือยอชต์ดในหมู่เกาะและทะเลสาบ
Whisper large-v30.083คุณไม่จำเป็นต้องใช้เรือยอชต์ดในหมู่เกาะและทะเลสาบ

Clip #472

Rare Thai words: สุนทรพจน์

lomasub has lower CER than 6 of 7 models

The reference accepts the name as both Oliver Sacks and โอลิเวอร์ แซ็กซ์. lomasub writes the Latin form and ElevenLabs the Thai form; both score CER = 0. Gemini and MAI miss only the spelling of the name (แซกส์, แซกซ์). The word สุนทรพจน์ (speech) becomes ศูนย์ทรลปฏ (gpt-transcribe), ส่วนทลอพท์ (Qwen), สุนทรพฤษ (Typhoon) and ส่วนทรพจน์ (Whisper large-v3).

Reference

oliver sacks / โอลิเวอร์ แซ็กซ์ ระบุในงานวิจัยของเขาที่ชื่อว่า ว่าด้วยสุนทรพจน์ของประธานาธิบดี ว่าผู้ที่ไม่สามารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะสามารถประเมินความจริงใจได้อย่างไร

lomasub0.000oliversacksระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุนทรพจน์ของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
ElevenLabs Scribe v20.000โอลิเวอร์แซ็กซ์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุนทรพจน์ของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
Gemini 3.5 Transcribe Live0.012โอลิเวอร์แซ็กซส์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุนทรพจน์ของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
MAI-Transcribe-20.006โอลิเวอร์แซ็กซ์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุนทรพจน์ของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
gpt-transcribe0.049โอลิเวอร์แซ็กซส์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุน0ทรพจน์ลปฏของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
Qwen3-ASR-1.7B0.037โอลิเวอร์แซ็กซ์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุ่วนทรลอพจนท์ของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
Typhoon Whisper Turbo0.019โอลิเวอร์แซ็กซ์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุนทรพจน์ฤษของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร
Whisper large-v30.012โอลิเวอร์แซ็กซ์ระบุในงานวิจัยของเขาที่ชื่อว่าว่าด้วยสุ่วนทรพจน์ของประธานาธิบดีว่าผู้ที่ไม่3ารถเข้าใจคำพูดเนื่องจากสมองกระทบกระเทือนจะ3ารถประเมินความจริงใจได้อย่างไร

Clip #350

Rare Thai words: ทะเยอทะยาน

lomasub has lower CER than 7 of 7 models

lomasub, ElevenLabs and Gemini transcribe ทะเยอทะยาน (ambitious) correctly; the other five models write เยือยทายัน, เยอรทยาน, เยือทยัน, เยอร์ทยาน and เยือทยาน. lomasub's only error is ใช้ for ชาย, which every model except Gemini shares. ElevenLabs and Gemini add one extra ประสบ.

Reference

หลังการปฏิวัติ อาชีพต่าง ๆ ยังได้เปิดกว้างสำหรับผู้สมัครชายทุกคนอีกด้วย เปิดโอกาสให้ผู้ที่ทะเยอทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบความสำเร็จ

lomasub0.020หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยอทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบความสำเร็จ
ElevenLabs Scribe v20.054หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยอทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบประสบความสำเร็จ
Gemini 3.5 Transcribe Live0.034หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครชายทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยอทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบประสบความสำเร็จ
MAI-Transcribe-20.088หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยือยทะายาันและประสบความสำเร็จมากที่สุดได้รับความประสบความสำเร็จ
gpt-transcribe0.108หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยอรทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบความสำเร็จ
Qwen3-ASR-1.7B0.054หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยือทะยาันและประสบความสำเร็จมากที่สุดได้รับความประสบความสำเร็จ
Typhoon Whisper Turbo0.086หลังการปฏิวัติอาชีพต่างต่างยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยอร์ทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบประสบความสำเร็จ
Whisper large-v30.047หลังการปฏิวัติอาชีพต่างๆยังได้เปิดกว้างสำหรับผู้สมัครใชาย้ทุกคนอีกด้วยเปิดโอกาสให้ผู้ที่ทะเยือทะยานและประสบความสำเร็จมากที่สุดได้รับความประสบความสำเร็จ

Numbers

Clip #48

Numbers and a place name

lomasub has lower CER than 6 of 7 models

The reference accepts both 30% and สามสิบเปอร์เซ็นต์, and both มาชูปิกชู and Machu Picchu. lomasub and gpt-transcribe score CER = 0. The other models repeat a word (ดำเนินดำเนิน), write ทุกวันนี้ instead of ปัจจุบันนี้, or write the year out in words.

Reference

ในปี 1976 สามสิบเปอร์เซ็นต์ / 30%ของมาชูปิกชู / Machu Picchuได้รับการฟื้นฟูซ่อมแซม และการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้

lomasub0.000ในปี197630%ของมาชูปิกชูได้รับการฟื้นฟูซ่อมแซมและการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้
ElevenLabs Scribe v20.136ในปี19763%ของmachupicchuได้รับการฟื้นฟูซ่อมแซมและการบูรณะยังคงดำเนินดำเนินอยู่จนถึงปัจจทุบกวันนี้
Gemini 3.5 Transcribe Live0.067ในปี197630%ของmachupicchuได้รับการฟื้นฟูซ่อมแซมและการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบวันนี้
MAI-Transcribe-20.068ในปี19763%ของmachupicchuได้รับการฟื้นฟูซ่อมแซมและการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบวันนี้
gpt-transcribe0.000ในปี197630%ของมาชูปิกชูได้รับการฟื้นฟูซ่อมแซมและการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบันนี้
Qwen3-ASR-1.7B0.080ในปี197630%ของมาชูปติกชูได้รับการฟื้นฟูซ่อมแซมและการบูรณะิหารยังคงดำเนินอยู่จนถึงปัจจุบันนี้
Typhoon Whisper Turbo0.093ในปี19763%ของมาชูปติกชูได้รับการฟื้นฟูซ่อมแซมและการบูรณะยังคงดำเนินอยู่จนถึงปัจจุบวันนี้
Whisper large-v30.112ในปี197630%ของmachupicchuได้รับการฟื้นฟภูตซ่อมแซสมและการบูรณะิหารายังคงดำเนินอยู่จนถึงปัจจุบวันนี้

Clip #24

Year, acronym and count

lomasub has lower CER than 6 of 7 models

The reference accepts 2005 or สองพันห้า, FBI or เอฟบีไอ, and 10 or สิบ. lomasub and MAI score CER = 0. Gemini writes the year as 2500, gpt-transcribe as ๒๕๐๐ in Thai digits, and Whisper large-v3 as 2,500 บาท. ElevenLabs, gpt-transcribe, Qwen and Whisper large-v3 write ปราบปราม (suppress) as ปรับปั๊ม, ปรับปรุง or ปรับปรับ.

Reference

สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราบปรามสื่อลามกอนาจารในปีงบประมาณ 2005 / สองพันห้า และระบุว่า FBI / เอฟบีไอ จะต้องมอบเจ้าหน้าที่ 10 / สิบ คนให้ทำหน้าที่ปราบปรามสื่อลามกสำหรับผู้ใหญ่

lomasub0.000สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราบปรามสื่อลามกอนาจารในปีงบประมาณ2005และระบุว่าfbiจะต้องมอบเจ้าหน้าที่10คนให้ทำหน้าที่ปราบปรามสื่อลามกสำหรับผู้ใหญ่
ElevenLabs Scribe v20.040สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราับปราั๊มสื่อลามกอนาจารในปีงบประมาณ2005และระบุว่าfbiจะต้องมอบเจ้าหน้าที่คนให้ทำหน้าที่ปราับปราั๊มสื่อลามกสำหรับผู้ใหญ่
Gemini 3.5 Transcribe Live0.020สภาคองนเกรสเริ่มให้เงินสนับสนุนโครงการปราบปรามสื่อลามกอนาจารในปีงบประมาณ25005และระบุว่าfbiจะต้องมอบเจ้าหน้าที่10คนให้ทำหน้าที่ปราบปรามสื่อลามกสำหรับผู้ใหญ่
MAI-Transcribe-20.000สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราบปรามสื่อลามกอนาจารในปีงบประมาณ2005และระบุว่าfbiจะต้องมอบเจ้าหน้าที่10คนให้ทำหน้าที่ปราบปรามสื่อลามกสำหรับผู้ใหญ่
gpt-transcribe0.079สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราับปรามับปรุงสื่อลามกอนาจารในปีงบประมาณ2005๒๕๐๐และระบุว่าfbiจะต้องมอบเจ้าหน้าที่คนให้ทำหน้าที่ปราบปรามสื่อลามกสำหรับผู้ใหญ่
Qwen3-ASR-1.7B0.092สภาคองนเกรสเริ่มให้เงินสนับสนุนโครงการปราับปรามุงสื่อลรามุกอนาจารย์ในปีงบประมาณ2005และระบุว่าfbiจะต้องมอบเจ้าหน้าที่10คนให้ทำหน้าที่ปราับปรามุงสื่อลรามุกสำหรับผู้ใหญ่
Typhoon Whisper Turbo0.040สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราบปรามสื่อลรามกอนราจารย์ในปีงบประมาณ25และระบุว่าfbiจะต้องมอบเจ้าหน้าที่คนให้ทำหน้าที่ปราบปรามสื่อลรามกสำหรับผู้ใหญ่
Whisper large-v30.183สภาคองเกรสเริ่มให้เงินสนับสนุนโครงการปราับปรามับสื่อลรามกลอนดอาจารย์ในปีงบประมาณ25005บาทและระบุบว่าfbiจะต้องมอบเจ้าหน้าที่10คนให้ทำหน้าที่ปราับปรามับสื่อลรามกลอดอาจารย์สำหรับผู้ใหญ่

Clip #495

Player name and tennis score

lomasub has lower CER than 6 of 7 models

The reference accepts several forms of the name del Potro, the term tie break and the score 6-6 (6-6, 6:6, 6 ต่อ 6). lomasub and Gemini score CER = 0. The other models miss the player's name (เดลโปโต, โปโทร, เดอโปโต, เดลโปโตโต) or the word ไทเบรก (ไทเบรค, ไทรเบรก, Tri-break), or write เปรียบเทียบ as เปรียบเพียง (gpt-transcribe).

Reference

เดล โปโตร / del Potro / Del Porto ได้เปรียบเทียบในช่วงต้นเซตที่ 2 แต่เซตนี้ต้องมี ไทเบรก / Tie Break เช่นเดียวกันหลังจากที่คะแนนถึง 6- / : / ต่อ6

lomasub0.000เดลโปโตรได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีไทเบรกเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6
ElevenLabs Scribe v20.022เดลโปโตทรได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีไทเบรกคเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6
Gemini 3.5 Transcribe Live0.000เดลโปโตรได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีไทเบรกเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6
MAI-Transcribe-20.011เดลโปโตรได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีtiebreakเช่นเดียวกันหลังจากที่แนนถึง66
gpt-transcribe0.043เดลโปโตรได้เปรียบเทพียบงในช่วงต้นเซ็ตที่2แต่เซ็ตนี้ต้องมีtiebreakเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6
Qwen3-ASR-1.7B0.033เดลอโปโตรได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีไทรเบรกเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6
Typhoon Whisper Turbo0.033เดลโปโตรโตได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีไทรเบรกเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6
Whisper large-v30.043เดลโปโตรโตได้เปรียบเทียบในช่วงต้นเซตที่2แต่เซตนี้ต้องมีtriebreakเช่นเดียวกันหลังจากที่แนนถึง6ต่อ6

Clip #222

Numbers and units: 70 กิโลเมตรต่อชั่วโมง

lomasub has lower CER than 6 of 7 models

lomasub writes 5 นาที, 1 นาที and 70 กิโลเมตรต่อชั่วโมง with Arabic digits, which normalization maps to the reference. lomasub and Gemini score CER = 0. The other models' errors are in words: การแสดง ฝนผ่านไป or การแสดง ผ่านไป for การแสดงผลผ่านไป (ElevenLabs, Qwen, gpt-transcribe), and ฮาใหญ่, หายใหญ่ or หาใหญ่ for ห่าใหญ่ (MAI, gpt-transcribe, Qwen, Whisper large-v3).

Reference

ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไปห้านาที ประมาณหนึ่งนาทีต่อมากำลังลมอยู่ที่ 70 กม./ชม. / กิโลเมตรต่อชั่วโมง แล้วฝนก็มา แต่ว่าทั้งแรงและห่าใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็ม แล้วลูกเห็บก็ตกลงมาจากท้องฟ้า ผู้คนแตกตื่น กรีดร้อง และวิ่งชนกันไปมา

lomasub0.000ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่าใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและวิ่งชนกันไปมา
ElevenLabs Scribe v20.015ลมเริ่มพัดเข้ามาหลังการแสดงผลฝนผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่าใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและวิ่งชนกันไปมา
Gemini 3.5 Transcribe Live0.000ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่าใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและวิ่งชนกันไปมา
MAI-Transcribe-20.010ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่ฮาใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและวิ่งชนกันไปมา
gpt-transcribe0.019ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่าายใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและวิ่งชนกันไปมา
Qwen3-ASR-1.7B0.019ลมเริ่มพัดเข้ามาหลังการแสดงผลฝนผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่าใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและวิ่งชนกันไปมา
Typhoon Whisper Turbo0.024ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่าใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและล้อมแล้ววิ่งชนกันไปมา
Whisper large-v30.029ลมเริ่มพัดเข้ามาหลังการแสดงผลผ่านไป5นาทีประมาณ1นาทีต่อมากำลังลมอยู่ที่70กมชมแล้วฝนก็มาแต่ว่าทั้งแรงและห่ได้หาใหญ่มากจนเสียดแทงผิวของได้เหมือนเข็มแล้วลูกเห็บก็ตกลงมาจากท้องฟ้าผู้คนแตกตื่นกรีดร้องและ้ววิ่งชนกันไปมา

Clips where other models have lower CER than lomasub

On 32 clips at least 5 of the 7 models have a lower CER than lomasub. Since the choice of script is not penalized, lomasub's highest-CER clips fall into two patterns.

Pattern 1: wrong English words in Latin script

lomasub's three highest-CER clips share one cause: it writes what it hears as an English word, but the wrong one. วิกเก็ต (a cricket wicket) is written as Wicked, เฮเซลนัต (hazelnut) as Hasselblad, and อาปีอา (Apia, the capital of Samoa) as the letters RPR. The Latin script that lowers CER in the proper-noun examples above raises it when the word is wrong, because one wrong Latin word counts as errors across the whole word, while a Thai transliteration that is one character off counts as one error.

Pattern 2: rare proper nouns replaced by common words

In the 65 clips where both ElevenLabs (second by mean CER) and MAI (second by number of CER = 0 clips) have a lower CER than lomasub, lomasub's errors include misspelled Thai forms of loanwords and proper nouns (พายุปรีซาด for พายุบลิซซาร์ด, blizzard), names assembled from common words (อิรักมองโกล for อิรากองโก, the Nyiragongo volcano), and misheard common words (กระโดดกราย for กระโดดไกล, long jump). Overall lomasub has a higher CER than ElevenLabs on 93 clips and than MAI on 94.

Missing reference text the model did not writeWritten as what the model wrote insteadExtra text not in the reference

Clip #108

Wrong English word

lomasub has higher CER than 7 of 7 models

วิกเก็ต (wicket, in cricket) is written as Wicked twice. Every other model writes it in Thai script and scores a CER of 0.06 or less. This is lomasub's highest-CER clip in the test set.

Reference

แต่หลังจากการเสียวิกเก็ตของกัปตัน อินเดียทำได้เพียง 36 รัน โดยเสีย 7 วิกเก็ตเพื่อจบอินนิ่ง

lomasub0.167แต่หลังจากการเสียวิกเก็ตwickedของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตwickedเพื่อจบอินนิ่ง
ElevenLabs Scribe v20.000แต่หลังจากการเสียวิกเก็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตเพื่อจบอินนิ่ง
Gemini 3.5 Transcribe Live0.000แต่หลังจากการเสียวิกเก็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตเพื่อจบอินนิ่ง
MAI-Transcribe-20.060แต่หลังจากการเสียวิกเก็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตเพื่อจบอินนิ่ง
gpt-transcribe0.012แต่หลังจากการเสียวิกคเก็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตเพื่อจบอินนิ่ง
Qwen3-ASR-1.7B0.024แต่หลังจากการเสียวิกเกต็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเกต็ตเพื่อจบอินนิ่ง
Typhoon Whisper Turbo0.036แต่หลังจากการเสียวิกเก็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตเพื่อจบอินนดิ่ง
Whisper large-v30.024แต่หลังจากการเสียวิกเก็ตของกัปตันอินเดียทำได้เพียง36รันโดยเสีย7วิกเก็ตเพื่อจบอินนิ่ง

Clip #410

City name written as a string of letters

lomasub has higher CER than 5 of 7 models

อาปีอา (Apia) is written as RPR, and the first half of the restart เกาะอูโล อูโปลู is missing. ElevenLabs keeps both parts (with one extra ก). MAI also drops อูโล but gets the city name right.

Reference

อาปีอา / Apia คือเมืองหลวงซามัว / Samoa ตั้งอยู่บนเกาะอูโล อูโปลู / Upolu และมีประชากร— / เกือบเพียงเกือบ 40000 / สี่หมื่น คน

lomasub0.095arpiarคือเมืองหลวงซามัวตั้งอยู่บนเกาะอูโลอูโปลูและมีประชากรเพียงเกือบ40000คน
ElevenLabs Scribe v20.013อาปีอาคือเมืองหลวงซามัวตั้งอยู่บนเกาะอูโลกอูโปลูและมีประชากรเกือบเพียงเกือบ4คน
Gemini 3.5 Transcribe Live0.026อาปีอาคือเมืองหลวงซามัวตั้งอยู่บนเกาะอูโลอูโปูลูและมีประชากรเพียงเกือบ40000คน
MAI-Transcribe-20.053อาปีอาคือเมืองหลวงซามัวตั้งอยู่บนเกาะอูโลอูโปลูและมีประชากรเพียงเกือบ40000คน
gpt-transcribe0.052อาปีอาคือเมืองหลวงซามัวตั้งอยู่บนเกาะอูโลอูโปลูและมีประชากรเกือบเพียงเกือบ4คน
Qwen3-ASR-1.7B0.111อาร์ปีอาร์คือเมืองหลวงซาโมัวะตั้งอยู่บนเกาะอูโลรอูโปลูและมีประชากรเพียงเกือบ4คน
Typhoon Whisper Turbo0.042อาปีอาคือเมืองหลวงซาโมัวตั้งอยู่บนเกาะอูโลอูโปลูและมีประชากรเพียงเกือบ4คน
Whisper large-v30.181อาร์ปีอาร์คือเมืองหลวงซาโมัวะตั้งอยู่บนเกาะอูโลกอูโปรลูและมีประชากรเพียงกือบเกือบ4คน

Clip #348

Proper noun replaced by common words

lomasub has higher CER than 6 of 7 models

The volcano อิรากองโก (Nyiragongo) is written as อิรักมองโกล, built from the words อิรัก (Iraq) and มองโกล (Mongol). ElevenLabs and MAI score CER = 0, and Gemini and gpt-transcribe are one to two characters off.

Reference

ในปี พ. ศ. 2545 เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิรากองโก ทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมด โดยเฉพาะในส่วนใจกลางเมือง

lomasub0.026ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิราักมองโกลทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
ElevenLabs Scribe v20.000ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิรากองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
Gemini 3.5 Transcribe Live0.009ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิีรากองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
MAI-Transcribe-20.000ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิรากองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
gpt-transcribe0.017ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิีรากองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
Qwen3-ASR-1.7B0.043ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟเอิราโกองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
Typhoon Whisper Turbo0.017ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิีรากองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง
Whisper large-v30.017ในปีพศ2545เมืองโกมาถูกทำลายโดยลาวาจากภูเขาไฟอิีรากองโกทำให้ถนนในเมืองถูกฝังกลบไปเกือบทั้งหมดโดยเฉพาะในส่วนใจกลางเมือง

Clip #337: the speaker reads the same sentence three times

The second reading is an unfinished restart. lomasub writes the full sentence twice but drops the restart in the middle (CER 0.11). gpt-transcribe keeps all three parts and scores CER = 0, while MAI writes the sentence once and scores CER 0.55. This is the only clip where lomasub was found to rephrase the speech.

Limitations

Same references and scoring program — all 8 sets of outputs were scored with the same program and references on 20 October 2026, so the figures are directly comparable, but API services may change their models after testing.
One domain — FLEURS Thai is read speech from news-style and travel text, recorded in controlled conditions. These results do not cover conversation, noisy audio or long recordings.
104 clips where every model has CER above 0 — some clips are hard, and some likely contain reference errors, such as clip #166, where all 8 models agree on สัตว์แห่งนักล่ายุค but the reference has สัตว์นักล่าแห่งยุค, clip #353, where the reference has ไดแก่, and clip #6, where the reference has กาเล็กซี while every model writes กาแล็กซี. These clips affect every model equally and do not change the ranking, but they make every model's CER slightly higher than it should be.
Repetition loops and empty output — none in any model on this test set (a repetition loop is defined as a string of up to 25 characters repeated at least 6 times and covering a quarter of the output).

Conclusion

On this test set, lomasub 1.0 has the lowest mean CER of the models evaluated (1.21%). The low mean comes from a short-tailed distribution, with no clip above 20% CER, more than from a lower CER than every system on every clip, together with verbatim transcription and Latin-script foreign proper nouns, which the references of this test set reward.

This means you can be confident that your recordings and videos will be transcribed accurately. lomasub also writes many technical terms and loanwords in their English spelling, so you can put the transcript to use quickly without further editing.

ElevenLabs Scribe v2, Gemini 3.5 Transcribe Live and MAI-Transcribe-2 have mean CERs of 1.36–1.66%, close to lomasub. FLEURS is read speech recorded in controlled conditions, with clear audio and simple vocabulary, unlike real use, where audio quality is lower and context and vocabulary are far more complex. We will publish lomasub results on harder Thai datasets next.

All figures on this page come directly from the FLEURS Thai evaluation, scored on 20 October 2026.

Try Thai transcription with Loma Sub

Try it free for 60 minutes a month and compare the results with your own audio.

Try it free Real-world news clips (Thai)

Our real-clip tests cover medicine, finance, news and law (in Thai).

Thai transcription on FLEURS Thai: 500 clips, 8 models

Summary of results

8 models in three groups, scored by the same program

Test set and scoring

References checked against the audio of every clip

CER as the main metric

Several correct written forms accepted

How each model writes

Normalization steps (applied to both reference and transcript)

Mean CER over 500 clips

Mean versus the tail of the distribution

Per-clip CER difference against lomasub

ElevenLabs Scribe v2

Other models

All pairs

Per-clip CER of each model

lomasub's rank on each clip

How each model writes foreign words

Clips where lomasub scores better

Clips with repetitions or self-corrections

Transcript examples

Verbatim transcription

Verbatim transcription when the speaker corrects themselves

Restart kept

Repetition: นั่นไม่ นั่นไม่

No added words: เทคโนโลยี

No doubled words: เป็นทวีป

Latin script for proper nouns

Proper nouns in Latin script

Proper noun in Latin script: Sundarbans

Proper noun in Latin script: Northern Mariana

Proper noun in Latin script: T-Rex

Long sentence with proper nouns: Scrapbook

Rare Thai words

Low-frequency compound: ทัศนศึกษา

Verb at the end of the sentence: ถูกยิง

Rare Thai words: วิวัฒนาการของขนนก

Loanword with several spellings: เรือยอชต์

Rare Thai words: สุนทรพจน์

Rare Thai words: ทะเยอทะยาน

Numbers

Numbers and a place name

Year, acronym and count

Player name and tennis score

Numbers and units: 70 กิโลเมตรต่อชั่วโมง

Clips where other models have lower CER than lomasub

Pattern 1: wrong English words in Latin script

Pattern 2: rare proper nouns replaced by common words

Wrong English word

City name written as a string of letters

Proper noun replaced by common words

Limitations

Conclusion

Try Thai transcription with Loma Sub