Comparatif des API de transcription

Choisissez AssemblyAI pour le coût le plus bas de l’exemple : $21 pour 100 heures audio.

Mis à jour · 7 sources · Méthodologie

BesoinRecommandationPourquoi
Coût le plus bas de l’exempleAssemblyAI$212
Traitement non streaming le plus rapideDeepgramAA mesure 623.2 secondes audio traitées par seconde pour Nova-3.5
AA-WER v2 la plus faibleElevenLabsElevenLabs Scribe v2 2.2% / AssemblyAI Universal-3.5 Pro 3.0%5

Performances

FournisseurAPI et identifiant du modèleAA-WER v2 (%)Vitesse de traitement audio (×)
AssemblyAI5Universal-3.5 Pro3.0%101.5×
ElevenLabs5Scribe v22.2%72.2×
Deepgram5Nova-35.2%623.2×
OpenAI5GPT Transcribe3.3%45.0×

Couverture linguistique documentée

Fournisseur / modèleCouverture du modèle
AssemblyAI · Universal-3.5 Pro18 langues ; anglais et espagnol inclus2
ElevenLabs · Scribe v290+ langues ; anglais et espagnol inclus3
Deepgram · Nova-3Le mode multi documenté liste 10 langues, dont l’anglais et l’espagnol ; le prix anglais utilise le mode monolingue.6
OpenAI · GPT TranscribeLes codes anglais, espagnol et français sont documentés ; aucun total fixe propre au modèle n’est publié.7

Tarifs et coût par requête

FournisseurAnglais / heure audioAnglais / 100 heuresAnglais/espagnol mélangés / heureAnglais/espagnol mélangés / 100 heures
AssemblyAI2$0.21$21$0.21$21
ElevenLabs3$0.22$22$0.22$22
Deepgram · Nova-3 monolingue1$0.258$25.8$0.312$31.2
OpenAI4$0.27$27$0.27$27
Exemple de coût : 100 heures d’audio mono en anglais
AssemblyAI$21
ElevenLabs$22
Deepgram$25.8
OpenAI$27

Options, points forts et limites

  1. AssemblyAI

    Universal-3.5 Pro chez AssemblyAI a une référence AA-WER/vitesse de 3.0% · 101.5× ; tarif de base $0.21/heure audio.

    Tarif de base / heure audio
    $0.21
    Quantité de l’exemple
    100
    Total de l’exemple
    $21

    Points forts

    • Universal-3.5 Pro prend en charge 18 langues.2

    Limites

    • Universal-3.5 Pro dépasse les $0.15/heure d’Universal-2 ; le modèle moins cher a d’autres capacités et langues.2

    Sources :25

  2. ElevenLabs

    Scribe v2 chez ElevenLabs a une référence AA-WER/vitesse de 2.2% · 72.2× ; tarif de base $0.22/heure audio.

    Tarif de base / heure audio
    $0.22
    Quantité de l’exemple
    100
    Total de l’exemple
    $22

    Points forts

    • Scribe v2 affiche le plus faible AA-WER de ce tableau : 2.2%.5

    Limites

    • Scribe v2 à $0.22/heure exclut keyterm prompting à $0.05/heure et édition à $0.07/heure.3

    Sources :35

  3. Deepgram

    Nova-3 chez Deepgram a une référence AA-WER/vitesse de 5.2% · 623.2× ; tarif de base $0.258/heure audio.

    Tarif de base / heure audio
    $0.258
    Quantité de l’exemple
    100
    Total de l’exemple
    $25.8

    Points forts

    • AA mesure 623.2 secondes audio traitées par seconde pour Nova-3.5

    Limites

    • AA-WER de Nova-3 est de 5.2%, supérieur aux autres modèles du tableau ; tarif hors streaming et options.15

    Sources :15

  4. OpenAI

    GPT Transcribe chez OpenAI a une référence AA-WER/vitesse de 3.3% · 45.0× ; tarif de base $0.27/heure audio.

    Tarif de base / heure audio
    $0.27
    Quantité de l’exemple
    100
    Total de l’exemple
    $27

    Points forts

    • GPT Transcribe obtient 3.3% d’AA-WER, contre 5.2% pour Nova-3.5

    Limites

    • À $0.0045/minute, le tarif à la durée de GPT Transcribe de $0.27/heure est le plus élevé de ces 4 tarifs de base.4

    Sources :45

Méthodologie et sources

Les valeurs AA-WER v2 et de vitesse non streaming sont des mesures publiées par AA, pas des tests menés pour cet article. Le graphique utilise 100 heures d’audio mono préenregistré en anglais, sans options. Deepgram utilise Nova-3 Monolingual Pay As You Go à $0.0043/minute. Le tarif distinct pour l’anglais/espagnol mélangés utilise Nova-3 Multilingual à $0.0052/minute : $0.312/heure et $31.2 pour 100 heures. Les autres tarifs de base n’ajoutent pas de supplément linguistique distinct dans cet exemple bilingue. GPT Transcribe facture la durée à $0.0045/minute. Un WER inférieur est préférable ; la vitesse mesure les secondes audio traitées par seconde, pas la latence streaming. Les nombres suivent la documentation de chaque modèle sans classer la qualité linguistique ; OpenAI ne publie pas de total fixe pour GPT Transcribe. Les cartes suivent le coût croissant de l’exemple anglais. Les performances variables de tiers correspondent à l’instantané du lot indiqué dans la ligne de mise à jour et ne constituent pas des garanties en temps réel. Les facteurs de vitesse AA sont des médianes glissantes sur 7 jours, mesurées avec 10 minutes d’audio.

  1. Deepgram · Nova-3 spécifications et tarifs
  2. AssemblyAI · Universal-3.5 Pro spécifications et tarifs
  3. ElevenLabs · Scribe v2 spécifications et tarifs
  4. OpenAI · spécifications et tarifs de GPT Transcribe
  5. Artificial Analysis · AA-WER v2 sans streaming
  6. Deepgram · modes linguistiques Nova-3
  7. OpenAI · indications de langue pour GPT Transcribe

Utiliser les LLM Novita après transcription

Résumez le texte transcrit avec Novita Model APIs. Les endpoints et tarifs de transcription ci-dessus appartiennent aux fournisseurs tiers indiqués.

Commencez à développerExplorez les modèles