Resposta curta: na mesma caixa postal de 12,6 segundos, Qwen Audio 3.1 ASR custava menos e retornava primeiro, escrevendo todos os números como dígitos. Qwen Audio 3.0 ASR escreveu os números como palavras, StepAudio 3 ASR Max estava próximo de 3,1 ASR, e Deepgram Nova-3 custam mais e dividem o número da fatura. Os quatro rodam em EmpirioLabs pelo mesmo endpoint de transcrição. Leia cada transcrição abaixo; não estamos declarando um vencedor.
A caixa postal
As palavras foram ditas: "Olá, aqui é a Dra. Amara Okafor ligando sobre a fatura 4417. O saldo de duzentos e oitenta e seis dólares deveria ser pago em 14 de março. Por favor, me ligue de volta no 555 0142 antes de sexta-feira."
As quatro transcrições
Qwen Audio 3.0 ASR: "Olá, aqui é a Dra. Amara Okafor ligando sobre a Fatura quatro mil quatrocentos e dezessete. O saldo de duzentos e oitenta e seis dólares era para o dia quatorze de março. Por favor, me ligue de volta para quinhentos e cinquenta e cinco zero um quatro dois antes de sexta-feira."
Qwen Audio 3.1 ASR: "Olá, aqui é a Dra. Amara Okafor ligando sobre a fatura 4417. O saldo de $286 estava previsto para 14 de março. Por favor, me ligue de volta no 555-0142 antes de sexta-feira."
StepAudio 3 ASR Max: "Olá, aqui é a Doutora Amara Okafor ligando sobre a fatura 4417. O saldo de $286 venceria até 14 de março. Por favor, me ligue de volta no 555 0142 antes de sexta-feira."
Deepgram Nova-3: "Oi. Aqui é o doutor. Amara Okafer ligando sobre as faturas 4400 e 17. O saldo da $286 venceria em 14 de março. Por favor, me ligue de volta no 555-0142 antes de sexta-feira."
Resultados em resumo
| Qwen Audio 3.0 ASR | Qwen Audio 3.1 ASR | StepAudio 3 ASR Max | Deepgram Nova-3 | |
|---|---|---|---|---|
| Criador | Alibaba | Alibaba | StepFun | Deepgram |
| Unidade de faturamento | Horas de áudio, a segundo | Tokens | Horas de áudio | Minutos de áudio |
| Preço desta gravação | $0.0009 | $0.0001 | $0.0008 | $0.0029 |
| Hora da transcrição | 5,9 segundos | 2,5 segundos | 2,8 segundos | 4,5 segundos |
| Números | Como palavras | Como dígitos | Como dígitos | Como dígitos |
| Nome | Amara Okafor | Amara Okafor | Amara Okafor | Amara Okafer |
Como administramos
A caixa postal foi sintetizada uma vez com Qwen Audio 3.1 TTS Plus e enviada para cada modelo como o mesmo arquivo MP3 através PÓS-/v1/audio/transcriptions, com todas as configurações em seu padrão e sem prompt ou vocabulário. Um shot para cada, em 2 de novembro de 2026. Os tempos vão do upload até o trabalho concluído, consultados a cada 1,5 segundos. Os preços são os valores cobrados exatamente por essas solicitações.
O que observar
Números. A caixa postal contém um número de fatura, um valor, uma data e um número de telefone. O Qwen Audio 3.0 ASR explicou cada um; os outros três escreveram dígitos, e o Deepgram Nova-3 ouviu o número da fatura como "4400 e 17".
Onde a 3.0 se encaixa. O Qwen Audio 3.0 ASR é cobrado por hora de áudio e cobre os principais grupos dialetos chineses e 30 idiomas; teste na fala que você precisa transcrever.
Faça o mesmo teste no EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H "Autorização: Portador $EMPIRIOLABS_API_KEY" \ -F model=qwen-audio-3-0-asr \ -F file=@voicemail.mp3A solicitação retorna um trabalho; leia a transcrição de VAI /v1/jobs/<job_id> Quando estiver concluído. Troca modelo para qwen-audio-3-1-asr, stepaudio-3-asr-max ou deepgram-nova-3 para rodar os outros, ou enviar uma gravação no playground.
Perguntas frequentes
As transcrições foram editadas ou reavaliadas?
Não. Cada transcrição é o primeiro resultado do modelo para esta gravação, sem edição.
Um prompt pode corrigir os nomes e números?
Nenhum prompt foi usado aqui. Qwen Audio 3.0 ASR Stream e Qwen Audio 3.1 ASR Stream recebem um prompt com nomes e termos em um soquete ativo; veja Como Usar o ASR e o Stream ASR do Qwen Audio 3.0.
Qual devo usar?
Transcreva uma gravação como a sua com cada um. O mesmo pedido funciona para os quatro, só com o modelo alterado.
Experimente
Playground □ Todos os modelos □ Preços
Divulgação: Este artigo foi escrito com assistência de IA e revisado por EmpirioLabs IA.
