음성 텍스트 변환 AI 모델 및 제공업체 리더보드
음성 텍스트 변환 모델과 제공업체의 단어 오류율, 속도, 가격을 비교합니다.
자세한 내용은 방법론 페이지를 참조하세요.
주요 내용
Artificial Analysis 단어 오류율 지수(비스트리밍)
Artificial Analysis 단어 오류율 지수(비스트리밍)
AA-WER(비스트리밍) 데이터 세트별
AA-WER(비스트리밍): AA-AgentTalk 데이터 세트
정제 데이터 세트 비교
VoxPopuli: 공개 데이터의 정제 vs. 원본 하위 집합
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 |  Alibaba Cloud | 13.5% | 77.9 | 0.00 | |
Qwen3.5 Omni Plus | Alibaba Cloud | 3.5% | 95.0 | 0.00 | |
Nova 2 Pro |  Amazon Bedrock | 4.9% | 22.9 | 3.10 | |
Amazon Transcribe | Amazon Bedrock | 4.1% | 18.8 | 6.00 | |
Universal-3 Pro |  AssemblyAI | 3.1% | 98.7 | 3.50 | |
Universal, AssemblyAI | AssemblyAI | 3.8% | 123.3 | 2.50 | |
MAI-Transcribe-1.5 |  Microsoft Azure | 2.4% | 192.5 | 6.00 | |
MAI-Transcribe-1 | Microsoft Azure | 2.6% | 67.8 | 6.00 | |
transcribe-03-2026 |  Cohere | 4.6% | 119.1 | 0.00 | |
Nova-3 |  Deepgram | 5.2% | 501.4 | 4.30 | |
Scribe v2 |  ElevenLabs | 2.2% | 53.9 | 3.67 | |
Solaria-1, Gladia |  Gladia | 4.1% | 81.2 | 10.17 | |
Solaria-3, Gladia | Gladia | 3.2% | 62.7 | 10.16 | |
Gemini 3.5 Transcribe |  Google | 2.6% | 82.5 | 5.00 | |
Gemini 3.1 Pro Preview (High) | Google | 2.8% | 7.4 | 18.15 | |
Gemini 3.1 Pro Preview (Low) | Google | 3.6% | 6.5 | 7.72 | |
Gemini 3 Flash (High) | Google | 2.9% | 18.3 | 13.70 | |
Gemini 2.5 Flash Lite | Google | 5.2% | 81.2 | 6.56 | |
Gemini 2.5 Flash | Google | 5.1% | 77.3 | 6.66 | |
Gemini 2.5 Pro | Google | 2.9% | 12.3 | 11.39 | |
Gemini 3.1 Flash-Lite Preview (Minimal) | Google | 3.4% | 79.9 | 5.83 | |
Gradium Speech-to-Text |  Gradium | 6.8% | 2.3 | 13.00 | |
Grok Speech to Text, SpaceXAI |  SpaceXAI | 4.0% | 225.0 | 1.67 | |
Inworld STT 1 |  Inworld | 3.9% | 206.9 | 2.50 | |
Voxtral Mini Transcribe 2 |  Mistral | 3.6% | 82.6 | 3.00 | |
Voxtral Small | Mistral | 2.8% | 65.7 | 4.00 | |
Voxtral Mini |  DeepInfra | 3.8% | 79.1 | 1.00 | |
Modulate STT Batch English VFast |  Modulate | 4.2% | 61.9 | 0.42 | |
Parakeet TDT 0.6B V3, Togetherai |  Together AI | 4.5% | 273.1 | 1.50 | |
Canary Qwen 2.5B, NVIDIA |  Replicate | 4.3% | 7.9 | 0.74 | |
Parakeet TDT 0.6B V2, NVIDIA |  NVIDIA | 6.4% | 99.9 | 0.00 | |
Parakeet RNNT 1.1B | Replicate | 5.4% | 6.3 | 1.91 | |
GPT Transcribe, OpenAI |  OpenAI | 3.3% | 40.8 | 4.50 | |
GPT-4o Transcribe | OpenAI | 4.0% | 37.1 | 6.00 | |
GPT-4o Mini Transcribe | OpenAI | 4.5% | 41.4 | 3.00 | |
Smallest AI Pulse Pro |  Smallest.ai | 2.4% | 272.9 | 4.00 | |
Resonant-1 |  Reson8 | 3.4% | 331.6 | 3.60 | |
Rev AI |  Rev AI | 5.9% | 12.9 | 3.33 | |
Smallest AI Pulse | Smallest.ai | 4.4% | 274.9 | 5.00 | |
Soniox v5 Async |  Soniox | 3.8% | 35.1 | 1.66 | |
Soniox V4 | Soniox | 3.9% | 39.7 | 1.66 | |
Speechmatics Melia |  Speechmatics | 4.9% | 204.1 | 4.00 | |
Speechmatics Standard | Speechmatics | 5.1% | 107.1 | 7.50 | |
Speechmatics Enhanced | Speechmatics | 4.0% | 70.6 | 12.50 | |
StepAudio 2.5 ASR, StepFun |  StepFun | 4.7% | 81.5 | 0.37 | |
Whisper Large v3 Turbo |  Groq | 4.6% | 130.1 | 0.67 | |
Wizper Large v3 |  fal.ai | 4.7% | 287.6 | 0.50 | |
Incredibly Fast Whisper | Replicate | 5.7% | 55.1 | 1.49 | |
Whisper Large v3 | Replicate | 10.1% | 2.6 | 4.23 | |
Whisper Large v3 | fal.ai | 4.1% | 71.8 | 1.15 | |
Whisper Large v3 | Together AI | 4.5% | 288.1 | 1.50 | |
Whisper Large v2 | OpenAI | 4.1% | 28.8 | 6.00 |
자주 묻는 질문
Fun-Realtime-ASR-preview이(가) 평가된 57개 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 v2, ElevenLabs (2.2%), 3. MAI-Transcribe-1.5 (2.4%), 4. Smallest AI Pulse Pro (2.4%) 및 5. Gemini 3.5 Transcribe (2.6%). AA-WER이 낮을수록 전사 정확도가 더 높습니다.
Nova-3이(가) 실시간 대비 501.4x의 속도 계수로 가장 빠르며, 그다음이 Resonant-1(331.6x), Whisper Large v3, together.ai(288.1x)입니다. 속도 계수가 높을수록 전사가 더 빠릅니다.
StepAudio 2.5 ASR이(가) 1,000분당 $0.3667로 가장 저렴하며, 그다음이 Modulate STT Batch English VFast($0.417), Wizper (L, v3), fal.ai($0.50)입니다.
Voxtral Small, Mistral이(가) AA-WER 2.8%로 가장 정확한 오픈 웨이트 모델입니다. 평가된 전체 57개 중 오픈 웨이트 모델은 12개입니다.
정확도 기준 상위 오픈 웨이트 Speech to Text 모델은 다음과 같습니다: 1. Voxtral Small, Mistral (AA-WER 2.8%), 2. Inkling (256K), Thinking Machines (AA-WER 3.5%) 및 3. Voxtral Mini Transcribe 2, Mistral (AA-WER 3.6%).
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.