Respuesta corta: en el mismo buzón de voz de 12,6 segundos, Qwen Audio 3.1 ASR costaba menos y devolvía primero, y escribía cada número como dígitos. Qwen Audio 3.0 ASR escribió los números como palabras, StepAudio 3 ASR Max estaba cerca de 3,1 ASR, y Deepgram Nova-3 cuesta más y divide el número de factura. Los cuatro se ejecutan en EmpirioLabs a través del mismo punto final de transcripción. Lee cada transcripción a continuación; no estamos declarando un ganador.
El buzón de voz
Las palabras dijeron: "Hola, habla la Dra. Amara Okafor sobre la factura 4417. El saldo de doscientos ochenta y seis dólares vencía el 14 de marzo. Por favor, llámeme al 555 0142 antes del viernes."
Las cuatro transcripciones
Qwen Audio 3.0 ASR: "Hola, habla la doctora Amara Okafor sobre la factura cuatro mil cuatrocientos diecisiete. El saldo de doscientos ochenta y seis dólares debía vencer el catorce de marzo. Por favor, llámame en quinientos cincuenta y cinco cero uno cuatro dos antes del viernes."
Qwen Audio 3.1 ASR: "Hola, soy la Dra. Amara Okafor llamando por la factura 4417. El saldo de $286 vencía el 14 de marzo. Por favor, llámame al 555-0142 antes del viernes."
StepAudio 3 ASR Max: "Hola, habla la doctora Amara Okafor por la factura 4417. El saldo de $286 vencido el 14 de marzo. Por favor, llámame al 555 0142 antes del viernes."
Deepgram Nova-3: "Hola. Soy el doctor. Amara Okafer llamando por la factura 4400 y 17. El saldo de $286 vencía el 14 de marzo. Por favor, llámame al 555-0142 antes del viernes."
Resultados en resumen
| Qwen Audio 3.0 ASR | Qwen Audio 3.1 ASR | StepAudio 3 ASR Max | Deepgram Nova-3 | |
|---|---|---|---|---|
| Maker | Alibaba | Alibaba | StepFun | Deepgram |
| Unidad de facturación | Horas de audio, por segundo | Fichas | Horas de audio | Minutos de audio |
| Precio de esta grabación | $0.0009 | $0.0001 | $0.0008 | $0.0029 |
| Hora de la transcripción | 5,9 segundos | 2,5 segundos | 2,8 segundos | 4,5 segundos |
| Números | Como palabras | Dígitos como | Dígitos como | Dígitos como |
| Nombre | Amara Okafor | Amara Okafor | Amara Okafor | Amara Okafer |
Cómo lo gestionamos
El buzón de voz se sintetizó una vez con Qwen Audio 3.1 TTS Plus y se envió a cada modelo como el mismo archivo MP3 a través de DESPUÉS /v1/audio/transcriptions, con cada configuración por defecto y sin indicaciones ni vocabulario. Un disparo cada uno, el 2 de noviembre de 2026. Los tiempos van desde la subida hasta el trabajo completado, encuestados cada 1,5 segundos. Los precios son las cantidades cobradas por estas solicitudes exactas.
Qué buscar
Números. El buzón de voz contiene un número de factura, un importe, una fecha y un número de teléfono. Qwen Audio 3.0 ASR detallaba cada uno; los otros tres escribieron los dígitos, y Deepgram Nova-3 escuchó el número de factura como "4400 y 17".
Donde encaja la 3.0. Qwen Audio 3.0 ASR tiene un precio por hora de audio y cubre los principales grupos dialectales chinos y 30 idiomas; pruébalo con el habla que necesitas transcribir.
Haz la misma prueba en EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -F modelo=qwen-audio-3-0-asr \ -F file=@voicemail.mp3La solicitud devuelve un trabajo; lee la transcripción de ¡QUE /v1/jobs/<job_id> Una vez terminado. Intercambiar modelo a qwen-audio-3-1-asr, stepaudio-3-asr-max o deepgram-nova-3 para ejecutar los otros, o subir una grabación en el playground.
Preguntas frecuentes
¿Se editaron o volvieron a intentar las transcripciones?
No. Cada transcripción es el primer resultado del modelo para esta grabación, sin editar.
¿Puede un aviso corregir los nombres y números?
Aquí no se utilizó ningún prompt. Qwen Audio 3.0 ASR Stream y Qwen Audio 3.1 ASR Stream reciben un prompt con nombres y términos en un socket en vivo; véase Cómo usar Qwen Audio 3.0 ASR y ASR Stream.
¿Cuál debería usar?
Transcribe una grabación como la tuya con cada uno. La misma petición funciona para los cuatro solo cambiando el modelo.
Pruébalo
Playground Silencio Todos los modelos Silencio Precios
Divulgación: Este artículo fue escrito con asistencia AI y revisado por EmpirioLabs AI.
