Alternativas a Deepgram

AssemblyAI Universal-3.5 Pro reduce los $0.258 por hora de audio de Deepgram Nova-3 a $0.21 y el AA-WER de 5.2% a 3.0%, y ElevenLabs Scribe v2 llega a 2.2% por $0.22; ninguna alternativa iguala el factor de velocidad de 548.1× de Nova-3.

Actualizado · 7 fuentes · Metodología

NecesidadRecomendaciónMotivo
Menor coste del ejemploAssemblyAI$0.21 / h3
Mayor velocidad de salida medidaDeepgram548.1×1
AA-WER v2ElevenLabs2.2%1

Rendimiento

ProveedorModeloAA-WER v2 (%)Factor de velocidad
Deepgram1Nova-35.2%548.1
AssemblyAI1Universal-3.5 Pro3.0%100.3
ElevenLabs1Scribe v22.2%68.4
OpenAI1GPT Transcribe3.3%52.2

Precios y coste por solicitud

ProveedorPrecio / hora de audio100 h
Deepgram2$0.258$25.80
AssemblyAI3$0.21$21.00
ElevenLabs4$0.22$22.00
OpenAI5$0.27$27.00
Ejemplo: 100 horas de audio mono pregrabado
Deepgram$25.80
AssemblyAI$21.00
ElevenLabs$22.00
OpenAI$27.00

Opciones, ventajas y limitaciones

  1. AssemblyAI · Universal-3.5 Pro

    Universal-3.5 Pro baja 100 horas de audio de $25.80 en Deepgram a $21.00 y el AA-WER de 5.2% a 3.0%, con un procesamiento de 100.3× tiempo real.31

    Precio / hora de audio
    $0.21
    AA-WER v2
    3.0%
    Factor de velocidad
    100.3×

    Ventajas

    Menor precio por hora y menor AA-WER que Nova-3.13

    Limitaciones

    Universal-3.5 Pro cubre 18 idiomas; otros pueden usar otro modelo, por lo que esta precisión no cubre todos los idiomas de AssemblyAI.7

  2. ElevenLabs · Scribe v2

    Scribe v2 tiene el AA-WER más bajo, 2.2%, menos de la mitad del 5.2% de Nova-3, por $22.00 cada 100 horas de audio.41

    Precio / hora de audio
    $0.22
    AA-WER v2
    2.2%
    Factor de velocidad
    68.4×

    Ventajas

    La menor tasa de error entre estos modelos.1

    Limitaciones

    Scribe v2 procesa a 68.4× en AA, frente a 548.1× de Nova-3; su ventaja de precisión implica menor velocidad de lote aquí.1

  3. OpenAI · GPT Transcribe

    GPT Transcribe cuesta $27.00 por 100 horas de audio, $1.20 más que Deepgram, con 3.3% de AA-WER y 52.2× tiempo real.51

    Precio / hora de audio
    $0.27
    AA-WER v2
    3.3%
    Factor de velocidad
    52.2×

    Ventajas

    La transcripción comparte cuenta con las API GPT.6

    Limitaciones

    GPT Transcribe acepta archivos de hasta 25 MB, por lo que las grabaciones largas deben comprimirse o dividirse, y su factor de velocidad de 52.2× es el más bajo aquí. Sustituye a GPT-4o Transcribe, que OpenAI retira el 2027-02-26.6

Metodología y fuentes

AA-WER v2 usa AA-AgentTalk (50%), VoxPopuli depurado (25%) y Earnings22 depurado (25%). El factor de velocidad es la mediana de 7 días de AA de segundos de audio procesados por segundo en audio de 10 minutos, no la latencia en tiempo real. Los precios son tarifas base de audio mono pregrabado; complementos, canales extra y modelos en tiempo real se facturan aparte.

Los cargos de audio son estimaciones, no facturas medidas; se excluyen impuestos y créditos de suscripción. Novita AI publica esta comparación de API de voz con fuentes públicas.

Las tarjetas se ordenan por precio base por hora de audio: AssemblyAI, ElevenLabs y OpenAI. Precisión y velocidad por lotes son elecciones aparte. OpenAI factura GPT Transcribe por duración del audio a $0.0045 por minuto, es decir, $0.27 por hora.3456

  1. Artificial Analysis · AA-WER v2 non-streaming
  2. Deepgram · tarifas oficiales de API
  3. AssemblyAI · tarifas oficiales de API
  4. ElevenLabs · tarifas oficiales de API
  5. OpenAI · tarifas oficiales de API
  6. OpenAI · transcripción de archivos y retirada del modelo
  7. AssemblyAI · idiomas de Pro

Desarrolla con Novita Model APIs

Novita AI no ofrece conversión de voz a texto. Combina tu proveedor de transcripción con las API de LLM de Novita para resumir y analizar transcripciones, o con Fish Audio text-to-speech para generar voz.

Empieza a desarrollarExplora los modelos