簡単に言うと: 同じ12.6秒の留守番電話で、 Qwen オーディオ 3.1 ASR コストが安く、最初に返品し、すべての数字を数字で書きました。 Qwen Audio 3.0 ASR 数字を言葉として書き出した。 StepAudio 3 ASR Max ASRは3.1に近く、 ディープグラム・ノヴァ3 最も費用がかかり、請求書番号を分割します。4つすべてが同じ文字起こしエンドポイントを通じて、1EmpirioLabs上で実行されます。以下の各文字起こしをご覧ください。当選者を発表するわけではありません。
留守番電話
発言された言葉はこうです:「こんにちは、請求書4417についてのアマラ・オカフォー医師です。残高286ドルは3月14日に支払われました。金曜日までに555 0142まで折り返しお電話ください。」
4つの書き起こし
Qwen Audio 3.0 ASR: 「こんにちは、こちらはアマラ・オカフォー医師です。請求書4,417件についてお電話しています。残高286ドルは3月14日に支払われていました。金曜日の5550142に折り返しお電話ください。」
Qwen Audio 3.1 ASR: 「こんにちは、請求書4417についてのアマラ・オカフォー医師です。残高$2863月14日まで支払う予定でした。金曜日までに555-0142まで折り返しお電話ください。」
StepAudio 3 ASR Max: 「こんにちは、請求書4417についてのアマラ・オカフォー医師です。残高$2863月14日まで支払う予定でした。金曜日までに555 0142まで折り返しお電話ください。」
ディープグラム・ノヴァ3: 「こんにちは。こちらはドクターです。請求書4400と17についてアマラ・オカファーからお電話です。残高は3月14日に支払$286の期限でした。金曜日までに555-0142まで折り返しお電話ください。」
結果を一目で見た
| Qwen Audio 3.0 ASR | Qwen オーディオ 3.1 ASR | StepAudio 3 ASR Max | ディープグラム・ノヴァ3 | |
|---|---|---|---|---|
| メイカー | アリババ | アリババ | ステップファン | ディープグラム |
| 請求ユニット | 何時間もの音声が秒単位で | トークン | 音声時間 | 音声数分 |
| この録音の価格 | $0.0009 | $0.0001 | $0.0008 | $0.0029 |
| 書き起こしの時間です | 5.9秒 | 2.5秒 | 2.8秒 | 4.5秒 |
| 数字 | 言葉として | 数字として | 数字として | 数字として |
| 名称 | アマラ・オカフォー | アマラ・オカフォー | アマラ・オカフォー | アマラ・オカフェル |
運営方法
ボイスメールはQwen Audio 3.1 TTS Plusで一度合成され、各モデルに同じMP3ファイルとして送られました。 ポスト/v1/audio/transcriptionsすべての設定がデフォルトで、プロンプトや語彙は一切ありません。各ショットは2026年11月2日に1回ずつです。アップロードから完了までの時間は1.5秒ごとにポーリングされます。価格はこれらの正確なリクエストに対して請求される金額です。
注意すべき点
数字。 ボイスメールには請求書番号、金額、日付、電話番号が記載されています。Qwen Audio 3.0 ASRはそれぞれの番号を綴り、他の3つは数字を書き、Deepgram Nova-3は請求書番号を「4400と17」と認識しました。
3.0が合う場所。 Qwen Audio 3.0 ASRは音声1時間あたりの料金が設定されており、主要な中国語方言群と30言語をカバーしています。書き起こす必要がある音声でテストしてみてください。
同じテストをEmpirioLabsで行ってください
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H 「認証:ベアラー $EMPIRIOLABS_API_KEY」 \ -F model=qwen-audio-3-0-asr \ -F file=@voicemail.mp3リクエストはジョブを返します;トランスクリプトを読み上げます。 出て/v1/jobs/<job_id> 完成したら。交換 モデル から qwen-audio-3-1-asr, stepaudio-3-asr-max または deepgram-nova-3 他のものを実行するか、録画をアップロードするために playgroundお問い合わせ.
よくある質問
書き起こしは編集されたり再試したりされましたか?
いいえ。各書き起こしはモデルがこの録音で最初に得た結果で、編集されていないものです。
プロンプトで名前や番号を修正できますか?
ここではプロンプトは使用されていません。Qwen Audio 3.0 ASRストリームおよびQwen Audio 3.1 ASRストリームは、ライブソケットに名前と用語のプロンプトを受け取ります。参照 Qwen Audio 3.0 ASRおよびASRストリームの使い方お問い合わせ.
どちらを使うべきでしょうか?
あなたの録音のようなものをそれぞれに書き起こしてください。同じリクエストは4つすべてで、モデルだけを変えます。
試してみて
Playground お問い合わせ 全モデル お問い合わせ 料金について
ディスクロージャー:この記事は、EmpirioLabs AIによるAIの支援とレビューで書かれました.
