संक्षिप्त उत्तर: उसी 12.6-सेकंड के वॉइसमेल पर, क्वेन ऑडियो 3.1 एएसआर कम से कम लागत और पहले लौटे, और प्रत्येक संख्या को अंकों के रूप में लिखा। क्वेन ऑडियो 3.0 एएसआर संख्याओं को शब्दों के रूप में लिखा, स्टेपऑडियो 3 एएसआर मैक्स 3.1 एएसआर के करीब था, और दीपग्राम नोवा-3 सबसे अधिक लागत और चालान संख्या को विभाजित करें। सभी चार एक ही ट्रांसक्रिप्शन एंडपॉइंट के माध्यम से EmpirioLabs पर चलते हैं। नीचे प्रत्येक प्रतिलेख पढ़ें; हम विजेता घोषित नहीं कर रहे हैं।
ध्वनि मेल
बोले गए शब्द: "नमस्ते, यह डॉ. अमारा ओकाफोर हैं जो चालान 4417 के बारे में कॉल कर रहे हैं। दो सौ छियासी डॉलर का शेष 14 मार्च को देय था। कृपया मुझे शुक्रवार से पहले 555 0142 पर वापस कॉल करें।
चार प्रतिलेख
क्वेन ऑडियो 3.0 एएसआर: "हाय, यह डॉ. अमारा ओकाफोर हैं, जो चालान के बारे में चार हजार चार सौ सत्रह को बुला रहे हैं। दो सौ छियासी डॉलर का शेष चौदह मार्च को देय था। कृपया मुझे शुक्रवार से पहले पांच सौ पचपन शून्य एक चार दो पर वापस कॉल करें।
क्वेन ऑडियो 3.1 एएसआर: "नमस्ते, मैं डॉ. अमारा ओकाफोर को चालान 4417 के बारे में कॉल कर रहा हूं। $286 का शेष 14 मार्च को देय था। कृपया मुझे शुक्रवार से पहले 555-0142 पर वापस कॉल करें।
स्टेपऑडियो 3 एएसआर मैक्स: "नमस्ते, मैं डॉक्टर अमारा ओकाफोर हैं जो चालान 4417 के बारे में कॉल कर रहे हैं। $286 का शेष राशि 14 मार्च को देय थी। कृपया मुझे शुक्रवार से पहले 555 0142 पर वापस कॉल करें।
दीपग्राम नोवा-3: "नमस्ते। यह डॉक्टर है। अमारा ओकाफ़र चालान 4400 और 17 के बारे में कॉल कर रहा है। $286 का शेष 14 मार्च को देय था। कृपया मुझे शुक्रवार से पहले 555-0142 पर वापस कॉल करें।
परिणाम एक नज़र में
| क्वेन ऑडियो 3.0 एएसआर | क्वेन ऑडियो 3.1 एएसआर | स्टेपऑडियो 3 एएसआर मैक्स | दीपग्राम नोवा-3 | |
|---|---|---|---|---|
| निर्माता | अलीबाबा | अलीबाबा | स्टेपफन | दीपग्राम |
| बिलिंग इकाई | ऑडियो के घंटे, सेकंड तक | टोकन | ऑडियो के घंटे | ऑडियो के मिनट |
| इस रिकॉर्डिंग की कीमत | $0.0009 | $0.0001 | $0.0008 | $0.0029 |
| प्रतिलेख का समय | 5.9 सेकंड | 2.5 सेकंड | 2.8 सेकंड | 4.5 सेकंड |
| नंबर | शब्दों के रूप में | अंकों के रूप में | अंकों के रूप में | अंकों के रूप में |
| नाम | अमारा ओकाफोर | अमारा ओकाफोर | अमारा ओकाफोर | अमारा ओकाफर |
हमने इसे कैसे चलाया
ध्वनि मेल को एक बार क्वेन ऑडियो 3.1 टीटीएस प्लस के साथ संश्लेषित किया गया था और प्रत्येक मॉडल को उसी एमपी 3 फ़ाइल के रूप में भेजा गया था पोस्ट /v1/audio/transcriptions, प्रत्येक सेटिंग के साथ उसके डिफ़ॉल्ट रूप में और कोई संकेत या शब्दावली नहीं। 2 नवंबर, 2026 को एक-एक शॉट। अपलोड से लेकर पूर्ण कार्य तक का समय चलता है, हर 1.5 सेकंड में मतदान किया जाता है। कीमतें इन सटीक अनुरोधों के लिए ली जाने वाली राशि हैं।
क्या देखना है
नंबर। ध्वनि मेल में एक चालान संख्या, एक राशि, एक तारीख और एक फ़ोन नंबर होता है। क्वेन ऑडियो 3.0 एएसआर ने प्रत्येक को लिखा था; अन्य तीन ने अंक लिखे, और दीपग्राम नोवा -3 ने चालान संख्या को "4400 और 17" के रूप में सुना।
जहां 3.0 फिट बैठता है। Qwen Audio 3.0 ASR की कीमत प्रति घंटे ऑडियो है और इसमें प्रमुख चीनी बोली समूह और 30 भाषाएँ शामिल हैं; आपको जिस भाषण को ट्रांसक्राइब करने की आवश्यकता है, उस पर इसका परीक्षण करें।
EmpirioLabs पर एक ही परीक्षण चलाएं
कर्ल https://api.empiriolabs.ai/v1/audio/transcriptions \ -H "प्राधिकरण: वाहक $EMPIRIOLABS_API_KEY" \ -F मॉडल = qwen-audio-3-0-asr \ -F file=@voicemail.mp3अनुरोध एक नौकरी लौटाता है; से प्रतिलेख पढ़ें /v1/jobs/ प्राप्त <job_id>करें एक बार यह पूरा हो जाता है। विनिमय करना मॉडल सेवा मेरे qwen-audio-3-1-asr, stepaudio-3-asr-max या deepgram-nova-3 दूसरों को चलाने के लिए, या में एक रिकॉर्डिंग अपलोड करने के लिए playground।.
अक्सर पूछे जाने वाले प्रश्नों
क्या प्रतिलेखों को संपादित या पुनः प्रयास किया गया था?
नहीं। प्रत्येक प्रतिलेख इस रिकॉर्डिंग के लिए मॉडल का पहला परिणाम है, असंपादित है।
क्या कोई संकेत नाम और संख्याओं को ठीक कर सकता है?
यहां किसी भी संकेत का उपयोग नहीं किया गया था। Qwen ऑडियो 3.0 ASR स्ट्रीम और Qwen ऑडियो 3.1 ASR स्ट्रीम लाइव सॉकेट पर नाम और शर्तों का संकेत लेते हैं; देखना Qwen ऑडियो 3.0 ASR और ASR स्ट्रीम का उपयोग कैसे करें।.
मुझे किसका उपयोग करना चाहिए?
प्रत्येक के साथ अपनी तरह एक रिकॉर्डिंग ट्रांसक्राइब करें। एक ही अनुरोध सभी चार के लिए काम करता है और केवल मॉडल बदल दिया गया है।
इसे अजमाएं
Playground (c) सभी मॉडल (c) मूल्य निर्धारण
प्रकटीकरण: यह लेख एआई सहायता के साथ लिखा गया था और EmpirioLabs AI द्वारा समीक्षा की गई थी।.
