简短回答： 在同一12.6秒的语音信箱中， Qwen音频3.1 ASR 成本最低且先退货，并且每个数字都写成数字。 Qwen 音频 3.0 ASR 把数字写成单词， StepAudio 3 ASR Max 接近3.1 ASR，且 深港新星-3号 成本最高，发票号码分摊。这四个都通过同一个转录终端运行EmpirioLabs。请阅读下面的每份转录;我们不会宣布获胜者。
语音信箱
说出的话是：“您好，我是阿玛拉·奥卡福医生，关于发票4417的电话。剩余的286美元原定于3月14日到期。请在周五之前回电555 0142。”
四份记录
Qwen音频3.0 ASR： “您好，我是阿玛拉·奥卡福医生，关于发票4417。欠款286美元，截止日期为3月14日。请在周五前于55500142给我回电。”
Qwen音频3.1 ASR： “你好，我是阿玛拉·奥卡福医生，关于发票4417。余款$286截止日期为3月14日。请在周五之前回电，电话是555-0142。”
StepAudio 3 ASR Max： “你好，我是阿玛拉·奥卡福医生，关于发票4417的打电话。余额$2863月14日到期。请在周五之前回电，电话是555 0142。”
Deepgram Nova-3： “你好。我是医生。阿玛拉·奥卡弗打电话，关于发票4400和17。余额$2863月14日到期。请在周五前回电555-0142。”
结果一览
| Qwen 音频 3.0 ASR | Qwen音频3.1 ASR | StepAudio 3 ASR Max | 深港新星-3号 | |
|---|---|---|---|---|
| 制造者 | 阿里巴巴 | 阿里巴巴 | 步舞乐趣 | 迪普格拉姆 |
| 计费单元 | 每秒都有数小时的音频 | 代币 | 数小时音频 | 音频分钟 |
| 这张录音的价格 | $0.0009 | $0.0001 | $0.0008 | $0.0029 |
| 时间到文字记录 | 5.9秒 | 2.5秒 | 2.8秒 | 4.5秒 |
| 数字 | 作为文字 | 作为数字 | 作为数字 | 作为数字 |
| 名称 | 阿玛拉·奥卡福尔 | 阿玛拉·奥卡福尔 | 阿玛拉·奥卡福尔 | 阿玛拉·奥卡费尔 |
我们的运行方式
语音信箱通过Qwen Audio 3.1 TTS Plus合成一次，并以相同的MP3文件发送给各型号，通过以下方式 /v1/audio/transcriptions后所有设置均为默认，且无提示或词汇。每人一次，时间为2026年11月2日。时间从上传到完成作业，每1.5秒轮询一次。价格是针对这些具体请求收取的金额。
需要注意什么
数字。 语音信箱中包含发票号码、金额、日期和电话号码。Qwen Audio 3.0 ASR拼写出每个数字;另外三个人写数字，Deepgram Nova-3听到发票号码为“4400和17”。
3.0适合。 Qwen Audio 3.0 ASR按小时音频收费，涵盖主要中文方言群和30种语言;在你需要转录的语音上测试。
对EmpirioLabs做同样的测试
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H “授权：承载者 $EMPIRIOLABS_API_KEY” \ -F model=qwen-audio-3-0-asr \ -F file=@voicemail.mp3请求返回一个工作;阅读以下的文字记录 快/v1/jobs/<job_id> 一旦完成。交换 模型 到 qwen-audio-3-1-asr, (中文), stepaudio-3-asr-max 或 deepgram-nova-3 运行其他文件，或上传录制在 playground。 。 。.
常见问题解答
文字记录是否经过编辑或重试？
没有。每份文字记录都是模特对本次录音的第一个结果，未经编辑。
提示词能修复名字和数字吗？
此处未使用提示词。Qwen Audio 3.0 ASR Stream 和 Qwen Audio 3.1 ASR Stream 会在活套接点上输入名称和术语;参见 如何使用Qwen Audio 3.0 ASR和ASR流。 。 。.
我应该用哪一个？
用每个版本转录一段类似你的录音。同样的请求适用于四个版本，只是型号不同。
试试看吧
Playground | 所有型号 | 定价
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
