Kurze Antwort: auf derselben 12,6-sekündigen Voicemail, Qwen Audio 3.1 ASR Am wenigsten gekostet, zuerst zurückgekehrt und jede Zahl als Ziffern geschrieben. Qwen Audio 3.0 ASR schrieb die Zahlen als Worte auf, StepAudio 3 ASR Max war nahe bei 3,1 ASR, und Deepgram Nova-3 Am meisten kosten und die Rechnungsnummer teilen. Alle vier laufen auf EmpirioLabs durch denselben Transkriptionspunkt. Lesen Sie jedes Transkript unten; wir erklären keinen Gewinner.
Die Mailbox
Die gesprochenen Worte: "Hallo, hier ist Dr. Amara Okafor, ich rufe wegen der Rechnung 4417 an. Der Restbetrag von zweihundertsechsundachtzig Dollar war fällig am 14. März. Bitte rufen Sie mich bis Freitag unter 555 0142 zurück."
Die vier Transkripte
Qwen Audio 3.0 ASR: "Hallo, hier ist Dr. Amara Okafor, angerufen wegen der Rechnung viertausendvierhundertsiebzehn. Der Restbetrag von zweihundertsechsundachtzig Dollar war fällig am vierzehnten März. Bitte rufen Sie mich zurück um fünfhundertfünfundfünfzig null einvierzwei, bevor es Freitag ist."
Qwen Audio 3.1 ASR: "Hallo, hier ist Dr. Amara Okafor, ich rufe wegen der Rechnung 4417 an. Der Restbetrag $286 war am 14. März fällig. Bitte rufen Sie mich bis Freitag unter 555-0142 zurück."
StepAudio 3 ASR Max: "Hallo, hier ist Dr. Amara Okafor, ich rufe wegen Rechnung 4417 an. Der Restbetrag $286 war am 14. März fällig. Bitte rufen Sie mich bis Freitag unter 555 0142 zurück."
Deepgram Nova-3: "Hallo. Hier ist Doktor. Amara Okafer ruft wegen Rechnungen 4400 und 17 an. Der Restbetrag $286 war am 14. März fällig. Bitte rufen Sie mich bis Freitag unter 555-0142 zurück."
Ergebnisse auf einen Blick
| Qwen Audio 3.0 ASR | Qwen Audio 3.1 ASR | StepAudio 3 ASR Max | Deepgram Nova-3 | |
|---|---|---|---|---|
| Schöpfer | Alibaba | Alibaba | StepFun | Deepgram |
| Abrechnungseinheit | Stunden an Audio, sekundenweise | Tokens | Stunden Audio | Protokoll der Audioaufnahmen |
| Preis für diese Aufnahme | $0.0009 | $0.0001 | $0.0008 | $0.0029 |
| Zeit für das Transkript | 5,9 Sekunden | 2,5 Sekunden | 2,8 Sekunden | 4,5 Sekunden |
| Zahlen | Als Worte | Als Ziffern | Als Ziffern | Als Ziffern |
| Name | Amara Okafor | Amara Okafor | Amara Okafor | Amara Okafer |
Wie wir es geführt haben
Die Voicemail wurde einmal mit Qwen Audio 3.1 TTS Plus synthetisiert und an jedes Modell als gleiche MP3-Datei gesendet. POST /v1/audio/transcriptions, mit jeder Einstellung als Standard und ohne Prompt oder Wortschatz. Jeweils ein Schuss, am 2. November 2026. Die Zeiten laufen vom Upload bis zum abgeschlossenen Auftrag, alle 1,5 Sekunden abgefragt. Die Preise sind die Beträge, die für diese genauen Anfragen berechnet werden.
Worauf man achten sollte
Zahlen. Die Voicemail enthält eine Rechnungsnummer, einen Betrag, ein Datum und eine Telefonnummer. Qwen Audio 3.0 ASR hat jede einzelne Nummer ausgeschrieben; die anderen drei schrieben Ziffern, und Deepgram Nova-3 hörte die Rechnungsnummer als "4400 und 17".
Wo 3.0 hineinpasst. Qwen Audio 3.0 ASR wird pro Stunde Audio bepreist und deckt die wichtigsten chinesischen Dialektgruppen sowie 30 Sprachen ab; teste es an der Sprache, die du transkribieren musst.
Führe denselben Test bei EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \ -F model=qwen-audio-3-0-asr \ -F file=@voicemail.mp3Der Antrag gibt einen Job zurück; lesen Sie das Transkript von LOS /v1/jobs/<job_id> sobald es abgeschlossen ist. Tauschen modell zu qwen-audio-3-1-asr, stepaudio-3-asr-max oder deepgram-nova-3 um die anderen auszuführen oder eine Aufnahme hochzuladen in der playground.
Häufig gestellte Fragen
Wurden die Transkripte bearbeitet oder erneut versucht?
Nein. Jedes Transkript ist das erste Ergebnis des Modells für diese Aufnahme, unbearbeitet.
Kann ein Prompt die Namen und Nummern korrigieren?
Hier wurde kein Prompt verwendet. Qwen Audio 3.0 ASR Stream und Qwen Audio 3.1 ASR Stream nehmen eine Eingabeaufforderung mit Namen und Begriffen auf einem Live-Socket; siehe Wie man Qwen Audio 3.0 ASR und ASR Stream verwendet.
Welche sollte ich verwenden?
Transkribiere eine Aufnahme wie deine mit jedem. Die gleiche Anfrage gilt für alle vier, nur das Modell wird geändert.
Probier es mal
Playground | Alle Modelle | Preisgestaltung
Offenlegung: Dieser Artikel wurde mit KI-Unterstützung geschrieben und von EmpirioLabs AI überprüft.
