Spracherkennungs-APIs im Vergleich

Wählen Sie AssemblyAI für die niedrigsten Beispielkosten: $21 für 100 Audiostunden.

Aktualisiert · 7 Quellen · Methodik

BedarfEmpfehlungBegründung
Niedrigste BeispielkostenAssemblyAI$212
Schnellste Verarbeitung ohne StreamingDeepgramAA misst für Nova-3 623.2 verarbeitete Audiosekunden je Sekunde.5
Niedrigste AA-WER v2ElevenLabsElevenLabs Scribe v2 2.2% / AssemblyAI Universal-3.5 Pro 3.0%5

Leistung

AnbieterAPI und Modell-IDAA-WER v2 (%)Audioverarbeitungsgeschwindigkeit (×)
AssemblyAI5Universal-3.5 Pro3.0%101.5×
ElevenLabs5Scribe v22.2%72.2×
Deepgram5Nova-35.2%623.2×
OpenAI5GPT Transcribe3.3%45.0×

Dokumentierte Sprachabdeckung

Anbieter / ModellModellspezifische Abdeckung
AssemblyAI · Universal-3.5 Pro18 Sprachen; einschließlich Englisch und Spanisch2
ElevenLabs · Scribe v290+ Sprachen; einschließlich Englisch und Spanisch3
Deepgram · Nova-3Der dokumentierte Multi-Modus listet 10 Sprachen, darunter Englisch und Spanisch; der englische Preis nutzt den einsprachigen Modus.6
OpenAI · GPT TranscribeEnglische, spanische und französische Codes sind dokumentiert; keine feste modellspezifische Gesamtzahl veröffentlicht.7

Preise und Anfragekosten

AnbieterEnglisch / AudiostundeEnglisch / 100 StundenGemischtes Englisch/Spanisch / StundeGemischtes Englisch/Spanisch / 100 Stunden
AssemblyAI2$0.21$21$0.21$21
ElevenLabs3$0.22$22$0.22$22
Deepgram · Nova-3 einsprachig1$0.258$25.8$0.312$31.2
OpenAI4$0.27$27$0.27$27
Kostenbeispiel: 100 Stunden englisches Mono-Audio
AssemblyAI$21
ElevenLabs$22
Deepgram$25.8
OpenAI$27

Optionen, Stärken und Einschränkungen

  1. AssemblyAI

    Universal-3.5 Pro bei AssemblyAI hat die AA-WER/Geschwindigkeitsreferenz 3.0% · 101.5×; Grundpreis $0.21/Audiostunde.

    Grundpreis / Audiostunde
    $0.21
    Beispielmenge
    100
    Beispielgesamtpreis
    $21

    Stärken

    • Universal-3.5 Pro unterstützt 18 Sprachen.2

    Einschränkungen

    • Universal-3.5 Pro kostet mehr als Universal-2 mit $0.15/Stunde; das günstigere Modell hat andere Funktionen und Sprachen.2

    Quellen:25

  2. ElevenLabs

    Scribe v2 bei ElevenLabs hat die AA-WER/Geschwindigkeitsreferenz 2.2% · 72.2×; Grundpreis $0.22/Audiostunde.

    Grundpreis / Audiostunde
    $0.22
    Beispielmenge
    100
    Beispielgesamtpreis
    $22

    Stärken

    • Scribe v2 hat mit 2.2% den niedrigsten AA-WER dieser Tabelle.5

    Einschränkungen

    • Scribe v2 für $0.22/Stunde enthält weder Keyterm Prompting für $0.05/Stunde noch Bearbeitung für $0.07/Stunde.3

    Quellen:35

  3. Deepgram

    Nova-3 bei Deepgram hat die AA-WER/Geschwindigkeitsreferenz 5.2% · 623.2×; Grundpreis $0.258/Audiostunde.

    Grundpreis / Audiostunde
    $0.258
    Beispielmenge
    100
    Beispielgesamtpreis
    $25.8

    Stärken

    • AA misst für Nova-3 623.2 verarbeitete Audiosekunden je Sekunde.5

    Einschränkungen

    • Nova-3 hat mit 5.2% mehr AA-WER als die anderen Tabellenmodelle; Streaming und Extras sind nicht enthalten.15

    Quellen:15

  4. OpenAI

    GPT Transcribe bei OpenAI hat die AA-WER/Geschwindigkeitsreferenz 3.3% · 45.0×; Grundpreis $0.27/Audiostunde.

    Grundpreis / Audiostunde
    $0.27
    Beispielmenge
    100
    Beispielgesamtpreis
    $27

    Stärken

    • GPT Transcribe erreicht 3.3% AA-WER und liegt damit unter Nova-3 mit 5.2%.5

    Einschränkungen

    • Mit $0.0045/Minute ist GPT Transcribes zeitbasierter Tarif von $0.27/Stunde der höchste dieser 4 Basistarife.4

    Quellen:45

Methodik und Quellen

AA-WER v2 und Nicht-Streaming-Geschwindigkeit sind veröffentlichte AA-Messungen, keine Tests für diesen Artikel. Das Diagramm nutzt 100 Stunden voraufgezeichnetes englisches Mono-Audio ohne Zusatzoptionen. Deepgram nutzt Nova-3 Monolingual Pay As You Go zu $0.0043/Minute. Der separate Tarif für gemischtes Englisch/Spanisch nutzt Nova-3 Multilingual zu $0.0052/Minute: $0.312/Stunde und $31.2 für 100 Stunden. Die anderen Basistarife haben in diesem zweisprachigen Beispiel keinen zusätzlichen Sprachaufschlag. GPT Transcribe berechnet Audiodauer zu $0.0045/Minute. Niedrigerer WER ist besser; Geschwindigkeit bedeutet verarbeitete Audiosekunden pro Sekunde, keine Streaming-Latenz. Sprachzahlen folgen der jeweiligen Modelldokumentation und bewerten keine Sprachqualität; OpenAI veröffentlicht keine feste Gesamtzahl für GPT Transcribe. Karten folgen aufsteigenden Kosten des englischen Beispiels. Rollierende Leistungswerte Dritter entsprechen dem in der Aktualisierungszeile genannten Batch-Snapshot und sind keine Live-Garantien. Die AA-Geschwindigkeitsfaktoren sind gleitende 7-Tage-Mediane, gemessen mit 10 Minuten Audio.

  1. Deepgram · Nova-3 Spezifikationen und Preise
  2. AssemblyAI · Universal-3.5 Pro Spezifikationen und Preise
  3. ElevenLabs · Scribe v2 Spezifikationen und Preise
  4. OpenAI · Spezifikationen und Preise von GPT Transcribe
  5. Artificial Analysis · AA-WER v2 ohne Streaming
  6. Deepgram · Sprachmodi von Nova-3
  7. OpenAI · Sprachhinweise für GPT Transcribe

Novita-LLMs nach der Transkription nutzen

Erstellen Sie Zusammenfassungen aus Transkripten mit Novita Model APIs. Die genannten Transkriptionsendpoints und Tarife stammen von den aufgeführten Drittanbietern.

Jetzt entwickelnModelle ansehen