Alternativen zu Deepgram

AssemblyAI Universal-3.5 Pro senkt Deepgram Nova-3 von $0.258 auf $0.21 pro Audiostunde und die AA-WER von 5.2% auf 3.0%, ElevenLabs Scribe v2 erreicht 2.2% für $0.22; keine Alternative erreicht den Geschwindigkeitsfaktor von 548.1× bei Nova-3.

Aktualisiert · 7 Quellen · Methodik

BedarfEmpfehlungBegründung
Niedrigste BeispielkostenAssemblyAI$0.21 / h3
Höchste gemessene AusgaberateDeepgram548.1×1
AA-WER v2ElevenLabs2.2%1

Leistung

AnbieterModellAA-WER v2 (%)Geschwindigkeitsfaktor
Deepgram1Nova-35.2%548.1
AssemblyAI1Universal-3.5 Pro3.0%100.3
ElevenLabs1Scribe v22.2%68.4
OpenAI1GPT Transcribe3.3%52.2

Preise und Anfragekosten

AnbieterPreis / Audiostunde100 h
Deepgram2$0.258$25.80
AssemblyAI3$0.21$21.00
ElevenLabs4$0.22$22.00
OpenAI5$0.27$27.00
Beispiel: 100 Stunden vorab aufgenommenes Mono-Audio
Deepgram$25.80
AssemblyAI$21.00
ElevenLabs$22.00
OpenAI$27.00

Optionen, Stärken und Einschränkungen

  1. AssemblyAI · Universal-3.5 Pro

    Universal-3.5 Pro senkt 100 Audiostunden von $25.80 bei Deepgram auf $21.00 und die AA-WER von 5.2% auf 3.0%, bei 100.3-facher Echtzeit.31

    Preis / Audiostunde
    $0.21
    AA-WER v2
    3.0%
    Geschwindigkeitsfaktor
    100.3×

    Stärken

    Niedrigerer Stundenpreis und AA-WER als Nova-3.13

    Einschränkungen

    Universal-3.5 Pro deckt 18 Sprachen ab; andere können ein anderes Modell nutzen, diese Genauigkeit gilt daher nicht für alle AssemblyAI-Sprachen.7

  2. ElevenLabs · Scribe v2

    Scribe v2 hat mit 2.2% die niedrigste AA-WER, weniger als die Hälfte von Nova-3 mit 5.2%, für $22.00 pro 100 Audiostunden.41

    Preis / Audiostunde
    $0.22
    AA-WER v2
    2.2%
    Geschwindigkeitsfaktor
    68.4×

    Stärken

    Die niedrigste Wortfehlerrate dieser Modelle.1

    Einschränkungen

    Scribe v2 erreicht bei AA 68.4× gegenüber 548.1× für Nova-3; der Genauigkeitsvorsprung geht hier mit langsamerem Batch einher.1

  3. OpenAI · GPT Transcribe

    GPT Transcribe kostet $27.00 pro 100 Audiostunden, $1.20 mehr als Deepgram, bei 3.3% AA-WER und 52.2-facher Echtzeit.51

    Preis / Audiostunde
    $0.27
    AA-WER v2
    3.3%
    Geschwindigkeitsfaktor
    52.2×

    Stärken

    Transkription nutzt dasselbe Anbieterkonto wie GPT-APIs.6

    Einschränkungen

    GPT Transcribe akzeptiert Dateien bis 25 MB, lange Aufnahmen müssen also komprimiert oder geteilt werden, und sein Geschwindigkeitsfaktor von 52.2× ist hier der niedrigste. Es ersetzt GPT-4o Transcribe, das OpenAI am 2027-02-26 abschaltet.6

Methodik und Quellen

AA-WER v2 nutzt AA-AgentTalk (50%), bereinigtes VoxPopuli (25%) und bereinigtes Earnings22 (25%). Der Geschwindigkeitsfaktor ist der 7-Tage-Median von AA für verarbeitete Audiosekunden pro Sekunde bei 10-minütigem Audio, nicht die Echtzeit-Latenz. Die Preise sind Basistarife für vorab aufgenommenes Mono-Audio; Add-ons, zusätzliche Kanäle und Echtzeitmodelle werden separat berechnet.

Die Audiokosten sind Schätzungen, keine gemessenen Rechnungen; Steuern und Abo-Guthaben sind ausgenommen. Novita AI veröffentlicht diesen Vergleich von Sprach-APIs auf Basis öffentlicher Quellen.

Die Karten sind nach Basispreis pro Audiostunde sortiert: AssemblyAI, ElevenLabs, dann OpenAI. Genauigkeit und Batch-Geschwindigkeit sind eigene Kriterien. OpenAI rechnet GPT Transcribe nach Audiodauer mit $0.0045 pro Minute ab, also $0.27 pro Stunde.3456

  1. Artificial Analysis · AA-WER v2 non-streaming
  2. Deepgram · offizielle API-Preise
  3. AssemblyAI · offizielle API-Preise
  4. ElevenLabs · offizielle API-Preise
  5. OpenAI · offizielle API-Preise
  6. OpenAI · Dateitranskription und Modellabkündigung
  7. AssemblyAI · Sprachumfang von Pro

Mit Novita Model APIs entwickeln

Novita AI bietet keine Spracherkennung an. Kombinieren Sie Ihren Transkriptionsanbieter mit den LLM-APIs von Novita, um Transkripte zusammenzufassen und auszuwerten, oder mit Fish Audio text-to-speech für die Sprachausgabe.

Jetzt entwickelnModelle ansehen