음성 텍스트 변환 AI 모델 및 제공업체 리더보드
음성 텍스트 변환 모델과 제공업체의 단어 오류율, 속도, 가격을 비교합니다.
자세한 내용은 방법론 페이지를 참조하세요.
AA-WER Index(비스트리밍)
Artificial Analysis 단어 오류율 지수(비스트리밍)
WER(비스트리밍) 데이터 세트별
AA-WER(비스트리밍): AA-AgentTalk 데이터 세트
화자 분리
Artificial Analysis Diarization Index
데이터 세트별 화자 분리
WDER: AA-Diarization 데이터 세트
API 벤치마크
Artificial Analysis 단어 오류율 지수(비스트리밍) vs. 가격
속도 계수
전사 가격
주요 지표 요약 및 추가 정보
제공업체 | 추가 세부 정보 | ||||
|---|---|---|---|---|---|
Qwen3.5 Omni Flash | 13.5% | 79.7 | $1.51 | ||
Fun-Realtime-ASR-preview | 1.7% | 20.6 | $2.82 | ||
Nova 2 Pro | 4.9% | 23.4 | $3.10 | ||
Amazon Transcribe | 4.1% | 37.4 | $6.00 | ||
AssemblyAI-STT-3.7 | 2.5% | 109.2 | $3.50 | ||
Universal-3.5 Pro | 3.0% | 107.9 | $3.50 | ||
Universal-3 Pro | 3.1% | 100.2 | $3.50 | ||
Universal, AssemblyAI | 3.8% | 102.6 | $2.50 | ||
MAI-Transcribe-2 | 2.0% | 340.8 | $1.67 | ||
MAI-Transcribe-1.5 | 2.4% | 80.2 | $6.00 | ||
Azure Speech 09-2026 | 2.8% | 148.8 | $6.00 | ||
Xing-Audio4.0-ASR-Preview | 2.0% | 19.7 | $1.51 | ||
transcribe-03-2026 | 4.6% | 224.1 | $0.00 | ||
Nova-3 | 5.2% | 408.6 | $4.30 | ||
Nova-3, Telnyx | 4.8% | 341.5 | $5.00 | ||
Nova-2, Telnyx | 5.1% | 321.2 | $5.00 | ||
Scribe v3, ElevenLabs | 1.9% | 63.0 | $3.33 | ||
Scribe v2 | 2.2% | 89.8 | $3.67 | ||
Solaria-1, Gladia | 4.1% | 90.9 | $5.02 | ||
Solaria-3, Gladia | 3.2% | 88.1 | $2.98 | ||
Chirp 3, Google | 4.3% | 31.9 | $16.00 | ||
Chirp | 31.2% | 14.4 | $16.00 | ||
Gemini 3.5 Transcribe | 2.6% | 95.0 | $5.00 | ||
Gemini 3.1 Pro Preview (High) | 2.8% | 9.1 | $18.15 | ||
Gemini 3.1 Pro Preview (Low) | 3.6% | 10.6 | $7.72 | ||
Gemini 3 Flash (High) | 2.9% | 21.5 | $4.17 | ||
Gemini 2.5 Flash Lite | 5.2% | 83.6 | $0.67 | ||
Gemini 2.5 Flash | 5.1% | 69.6 | $2.51 | ||
Gemini 2.5 Pro | 2.9% | 12.8 | $8.69 | ||
Gemini 3.1 Flash-Lite Preview (Minimal) | 3.4% | 71.2 | $1.10 | ||
Gradium Speech-to-Text | 6.8% | 2.8 | $13.00 | ||
Grok Voice Transcribe 2.0 | 2.3% | 160.6 | $1.67 | ||
Inworld STT 1 | 3.9% | 121.0 | $2.50 | ||
Voxtral Small Transcribe 3 | 2.1% | 43.2 | $4.00 | ||
Voxtral Mini Transcribe 3 | 2.2% | 59.7 | $3.50 | ||
Voxtral Mini Transcribe 2 | 3.6% | 95.4 | $3.00 | ||
Voxtral Small | 2.8% | 62.0 | $4.00 | ||
Voxtral Mini | 3.8% | 51.9 | $1.00 | ||
Modulate STT Batch English VFast | 4.2% | 40.3 | $0.42 | ||
Nemotron 3.5 Transcribe | 3.4% | 66.4 | $2.00 | ||
Parakeet TDT 0.6B V3, Togetherai | 4.5% | 617.1 | $1.50 | ||
Canary Qwen 2.5B, NVIDIA | 4.3% | 7.4 | $0.74 | ||
Parakeet TDT 0.6B V2, NVIDIA | 6.4% | 107.4 | $0.00 | ||
Parakeet RNNT 1.1B | 5.4% | 6.2 | $1.91 | ||
GPT Transcribe, OpenAI | 3.3% | 63.1 | $4.50 | ||
GPT-4o Transcribe | 4.0% | 41.8 | $6.00 | ||
GPT-4o Mini Transcribe | 4.5% | 70.3 | $3.00 | ||
Smallest AI Pulse Pro | 3.4% | 299.0 | $4.00 | ||
Rumble-2 | 2.7% | 304.3 | $22.25 | ||
Resonant-1 | 3.4% | 347.1 | $22.33 | ||
Rev AI | 5.9% | 30.8 | $3.33 | ||
Smallest AI Pulse | 3.3% | 238.2 | $3.00 | ||
Soniox v5 Async | 3.8% | 46.9 | $1.66 | ||
Speechmatics Melia | 4.9% | 182.6 | $4.00 | ||
Speechmatics Standard | 5.1% | 96.6 | $7.50 | ||
Speechmatics Enhanced | 4.0% | 57.5 | $12.50 | ||
StepAudio 2.5 ASR, StepFun | 4.7% | 134.8 | $0.37 | ||
StepAudio 3 ASR, StepFun | 2.5% | 84.6 | $6.67 | ||
Whisper Large v3 Turbo | 4.6% | 408.8 | $0.67 | ||
Whisper Large v3 Turbo, Telnyx | 5.5% | 32.1 | $15.00 | ||
Wizper Large v3 | 4.7% | 144.9 | $0.50 | ||
Incredibly Fast Whisper | 5.7% | 83.0 | $1.49 | ||
Whisper Large v3 | 10.1% | 2.7 | $4.23 | ||
Whisper Large v3 | 4.1% | 101.5 | $1.15 | ||
Whisper Large v3 | 4.5% | 279.5 | $1.50 | ||
Whisper Large v2 | 4.1% | 32.7 | $6.00 | ||
Zoom Scribe V2.1 Pro | 2.1% | 188.1 | $5.83 | ||
Zoom Scribe V2 Pro | 2.8% | 129.8 | $5.83 |
자주 묻는 질문
Fun-Realtime-ASR-preview이(가) 평가된 73개 모델 중 가장 낮은 AA-WER(Artificial Analysis 단어 오류율) 1.7%로 선두입니다.
정확도(AA-WER) 기준 상위 Speech to Text 모델은 다음과 같습니다: 1. Fun-Realtime-ASR-preview (1.7%), 2. Scribe v3, ElevenLabs (1.9%), 3. Xing-Audio4.0-ASR-Preview (2.0%), 4. MAI-Transcribe-2 (2.0%) 및 5. Zoom Scribe V2.1 Pro (2.1%). AA-WER이 낮을수록 전사 정확도가 더 높습니다.
Parakeet TDT 0.6B V3, Togetherai이(가) 실시간 대비 617.1x의 속도 계수로 가장 빠르며, 그다음이 Whisper (L, v3, Turbo), Groq(408.8x), Nova-3(408.6x)입니다. 속도 계수가 높을수록 전사가 더 빠릅니다.
StepAudio 2.5 ASR이(가) 1,000분당 $0.37로 가장 저렴하며, 그다음이 Modulate STT Batch English VFast($0.42), Wizper (L, v3), fal.ai($0.50)입니다.
SOV-Transcribe-1, Salesforce이(가) AA-WER 2.3%로 가장 정확한 오픈 웨이트 모델입니다. 평가된 전체 73개 중 오픈 웨이트 모델은 16개입니다.
정확도 기준 상위 오픈 웨이트 Speech to Text 모델은 다음과 같습니다: 1. SOV-Transcribe-1, Salesforce (AA-WER 2.3%), 2. Voxtral Small, Mistral (AA-WER 2.8%) 및 3. Nemotron 3.5 Transcribe (AA-WER 2.8%).
최고의 모델은 우선순위에 따라 달라집니다. 산점도를 사용해 정확도(AA-WER), 속도, 가격 간의 절충을 시각화하세요. 높은 정확도가 필요한 애플리케이션에서는 AA-WER이 낮은 모델을 우선하고, 실시간 애플리케이션에서는 속도 계수에 집중하며, 비용에 민감한 워크로드에서는 가격 차트를 비교하세요.