Les eines de transcripció semblen similars fins que hi pugeu una entrevista llarga, hi importeu un mes de reunions o necessiteu editar un vídeo. La comparació útil consisteix a veure fins a quin punt cada servei s’adapta a aquesta feina, quines restriccions de fitxers s’hi apliquen i quant costa el flux de treball complet.
AccurateScribe, Otter, Sonix, Notta, Descript i Rev ofereixen combinacions diferents de transcripció de fitxers, eines per a reunions, edició i serveis humans. Aquesta ressenya en compara els preus, els límits de gravació, les exportacions, la velocitat de processament i les evidències de precisió, amb la mateixa pregunta per a cadascun: què obteniu per a la feina que realment heu d’acabar?
Mireu la comparació en vídeo
Mireu la nostra guia en anglès de 5 minuts sobre l’adequació al flux de treball, els límits de gravació, els costos dels plans mensuals i les evidències de transcripció. Les taules detallades, les hipòtesis datades i les fonts originals continuen a l’article que trobareu a continuació.
Narració i subtítols en anglès · 5:11 · Mireu-lo a YouTube
S’utilitzen elements visuals il·lustratius generats amb IA i narració sintètica. Les imatges de producte identificades i els resultats de proves històriques conserven la seva font i el seu abast originals; no es tracta d’una nova prova controlada dels sis productes.
AccurateScribe
Otter.ai
Sonix
Notta
Descript
Rev
Comenceu pel vostre flux de treball
| Producte | Cas d’ús principal | Principal contrapartida que cal comprovar |
|---|---|---|
| AccurateScribe | Reunions, entrevistes, classes, pòdcasts, vídeos i altres transcripcions d’àudio/vídeo | Subscripció de tarifa fixa i compatibilitat amb fitxers llargs; les transcripcions completes i les exportacions requereixen accés de pagament |
| Otter | Captura de reunions i notes de reunió compartides | Compareu les funcions per a reunions amb les restriccions específiques dels fitxers importats |
| Sonix | Transcripció de fitxers gravats i lliurament de subtítols | Tant les hores incloses com l’excés de consum afecten la factura mensual |
| Notta | Notes de reunió i transcripció habitual de fitxers | Pro inclou 30 hores/mes, amb límits específics de nombre de fitxers i durada |
| Descript | Edició de pòdcasts o vídeos mitjançant una transcripció | El valor depèn de si necessiteu edició a més de transcripció |
| Rev | Elecció entre transcripció amb IA i un servei humà | Compareu el servei concret, l’idioma admès i els preus per separat |
Detalls de les funcions i els plans: AccurateScribe, Otter, Sonix, Notta, Descript i Rev.
Preus actuals i límits que importen
Els preus següents són les tarifes web publicades en USD abans d’impostos, comprovades el 2026-10-17. La facturació mensual i l’anual impliquen compromisos diferents. Els plans seleccionats il·lustren opcions pràctiques; no són una llista de tots els nivells ni un registre dels plans utilitzats en les proves històriques.
| Producte i pla | Facturació mensual | Compromís anual | Quota inclosa i restriccions principals |
|---|---|---|---|
| AccurateScribe Unlimited | $19.99 | $119.99/any | Transcripció il·limitada anunciada; fitxers de fins a 10 hores cadascun. Font |
| Otter Pro / Business | $16.99 / $30 per usuari | $99.99 / $239.88 per usuari/any | Pro: 1,200 minuts/mes, 10 importacions/mes, 90 minuts/fitxer. Business: 6,000 minuts importats/mes, 4 hores/fitxer. Plans, Pro anual, Business anual |
| Sonix Advanced / Pro | $50 / $80 | $550 / $880 per any | Els plans mensuals inclouen 20 / 40 hores; cada hora addicional costa $10. Preus, plans anuals |
| Notta Pro / Business | $13.49 / $27.99 per llicència | $97.99 / $199.99 per llicència/any | Pro: 1,800 minuts i 100 fitxers/mes. Business: temps de transcripció il·limitat i 200 fitxers/llicència/mes. Preus, detalls dels plans |
| Descript Hobbyist / Creator | $24 / $35 per editor | Equivalències publicades de $16 / $24 per editor/mes, amb facturació anual | 10 / 30 hores de contingut multimèdia per editor/mes; els plans elegibles poden comprar hores addicionals de contingut multimèdia. Font |
| Rev Essentials AI / Pro AI | $29.99 / $59.99 per llicència | $305.90 / $575.88 per llicència/any | 5,000 / 10,000 minuts d’IA per persona/mes. Essentials cobreix l’anglès i el castellà. Preus, detalls dels plans |
Llegiu conjuntament la quota i les restriccions dels fitxers. Un saldo elevat de minuts pot continuar sent inadequat si les gravacions superen el límit per fitxer o arriben en més fitxers dels que permet el pla. Igualment, un pla de transcripció il·limitada s’ha d’avaluar juntament amb les seves normes de fitxers i les condicions del proveïdor, en lloc d’interpretar-lo com una promesa de velocitat de processament il·limitada.
Com encaixa cada eina en la comparació
AccurateScribe: transcripció d’àudio i vídeo per a casos d’ús habituals
AccurateScribe converteix gravacions de reunions, entrevistes, classes, pòdcasts, vídeos i altres continguts d’àudio o vídeo en text o subtítols. La seva subscripció de tarifa fixa és pertinent per a persones que processen gravacions desades habitualment i volen una factura previsible. Comproveu els límits de durada dels fitxers i els formats que necessiteu lliurar. El menú d’exportació cobreix documents, subtítols, fulls de càlcul, dades estructurades i fitxers d’intercanvi per a edició; la taula de formats següent n’enumera les opcions. Visió general del producte
L’accés gratuït proporciona una previsualització parcial de la transcripció. Les transcripcions completes i totes les opcions d’exportació requereixen una subscripció, cosa que afecta quina part d’un flux complet d’entrevista o subtitulació podeu avaluar abans de pagar. Detalls de l’accés
Otter: compareu l’ús per a reunions amb l’ús d’importació de fitxers
Otter mereix ser en una llista curta centrada en reunions, però les seves normes d’importació requereixen atenció quan la vostra feina comença amb fitxers. Pro combina una quota mensual de minuts amb un límit de nombre de fitxers i un límit de durada per fitxer. Per exemple, 10 importacions de 90 minuts cadascuna permeten com a màxim 900 minuts importats, tot i que la quota mensual global és de 1,200 minuts. Aquests límits s’apliquen conjuntament. Business amplia la capacitat d’importació de fitxers, però la seva quota il·limitada de reunions/gravacions de l’aplicació no elimina el límit mensual de 6,000 minuts per als fitxers importats. Comparació dels plans d’Otter
Per al lliurament, Basic permet exportar text en TXT; els plans de pagament afegeixen opcions com DOCX, PDF i SRT. Si un client necessita un document amb format, incloeu el requisit d’exportació en comparar els nivells gratuïts i de pagament. Documentació d’exportació d’Otter
Sonix: calculeu conjuntament les hores incloses i l’excés de consum
Sonix ofereix transcripció de pagament per ús a $10 per hora i subscripcions amb hores incloses. El pagament per ús pot encaixar amb un ús irregular; una subscripció pot ser més econòmica amb un volum constant. La distinció importa perquè el pla més adequat pot canviar a mesura que creix la vostra càrrega de treball. La transcripció i la traducció comparteixen la quota de temps, de manera que traduir el resultat pot canviar el pressupost. Detalls de preus i funcions de Sonix
Les instruccions de pujada normalment permeten fitxers de fins a 8 hores i 16 GB, subjectes als permisos del compte. Els límits d’emmagatzematge són independents. Sonix també documenta exportacions DOCX, TXT, PDF, SRT i VTT, de manera que el format de lliurament requerit és un aspecte concret que cal comprovar. Límits de pujada, opcions d’exportació
Notta: una quota Pro considerable, amb normes de fitxers específiques
La quota Pro de Notta equival a 30 hores d’àudio al mes, cosa que fa que valgui la pena comparar-la per a un ús habitual dins d’aquest límit. Business canvia el model a temps de transcripció il·limitat per llicència, tot mantenint una quota mensual de fitxers. Són restriccions diferents: processar entrevistes llargues i importar molts clips curts pot portar a triar plans diferents. Preus de Notta, explicació dels plans
La documentació d’importació permet fitxers d’àudio de fins a 1 GB i vídeos de fins a 10 GB. Els fitxers poden durar fins a 5 hores sense reconeixement de parlants, o 3 hores amb aquesta funció activada. Pro i els plans superiors permeten descarregar transcripcions en formats com TXT, DOCX, PDF i SRT. Comproveu la configuració de parlants abans de donar per fet que una gravació llarga hi cap. Normes d’importació, formats de descàrrega
Descript: avalueu el flux d’edició a més de la transcripció
Descript és una compra diferent quan la transcripció forma part de l’edició d’un pòdcast o vídeo. La seva quota de minuts multimèdia cobreix el contingut importat o gravat, no només la generació de text. Per tant, pujar diversos recursos pot consumir més quota que la durada d’un únic episodi acabat. Els crèdits d’IA són un recurs independent, de manera que una comparació de costos només de transcripció no cobreix totes les funcions d’edició o generació. Normes d’ús de Descript
Creator i Business poden comprar hores addicionals de contingut multimèdia. Descript també permet exportacions de transcripció orientades a documents i subtítols SRT/VTT. Si ja hi esteu subscrits per a l’edició, compareu la quota multimèdia addicional que necessiteu abans de considerar que una altra subscripció de transcripció suposa un estalvi automàtic. Ampliacions de quota, exportacions de transcripcions, exportacions de subtítols
Rev: separeu els serveis d’IA dels serveis humans
Té sentit examinar Rev quan voleu triar entre un resultat automatitzat i un servei humà amb preu independent. Essentials AI inclou 5,000 minuts per persona al mes per a l’anglès i el castellà; Pro augmenta la quota i admet més idiomes. Per a un idioma fora d’Essentials, compareu el pla compatible pertinent en lloc del seu preu anunciat més baix. Plans de subscripció de Rev
El preu publicat de transcripció humana és de $1.99 per minut, una estructura de costos diferent de les subscripcions d’IA. Una gravació de 60 minuts partiria de $119.40 abans dels extres o les normes d’arrodoniment aplicables. Aquest càlcul és útil per pressupostar, però les afirmacions sobre el servei humà no s’han d’utilitzar mai com a puntuació de precisió del producte automatitzat de Rev. Preus de Rev
Velocitat i precisió de transcripció
La velocitat de processament i la precisió del reconeixement responen a preguntes diferents. Les gravacions, les normes de puntuació i els límits temporals difereixen entre els estudis següents, de manera que els resultats no formen una classificació única.
Comparació del temps de transcripció amb la durada de l’àudio i les fonts
Els temps següents inclouen la pujada més la transcripció quan s’indica. Les tres entrades de RJI utilitzen la mateixa entrevista; les altres observacions corresponen a les seves pròpies gravacions.
| Producte / observació | Durada de l’àudio o vídeo | Temps de processament comunicat | Límits del cronometratge | Font i data |
|---|---|---|---|---|
| AccurateScribe | 25 minuts | 10 segons | Pujada més transcripció | Registre de prova; data d’execució 2024-01-15 |
| Sonix | 25 minuts | 2 minuts 56 segons | Pujada més transcripció | Emily Lytle, RJI, 2023-02-15. Article |
| Rev | 25 minuts | 4 minuts 31 segons | Pujada més transcripció | Emily Lytle, RJI, 2023-02-15. Article |
| Otter | 25 minuts | 6 minuts 19 segons | Pujada més transcripció | Emily Lytle, RJI, 2023-02-15. Article |
| Rev AI, exemple independent | 6 minuts | Uns 40 segons | Inici i final exactes no especificats | Miguel Rebelo, Zapier, 2026-04-02. Ressenya |
| Notta | No s’utilitza cap temps amb font documentada | — | — | No s’inclou cap resultat de temps |
| Descript | No s’utilitza cap temps amb font documentada | — | — | No s’inclou cap resultat de temps |
Els valors de RJI s’han transcrit del seu gràfic de temps original; exclouen la correcció humana. Els plans, les condicions de xarxa i les repeticions no estan del tot especificats. Zapier informa que alguns enllaços de ressenyes poden generar una comissió; la gravació, el resultat complet i el pla exacte provat en l’exemple no estan publicats. Un guió significa que no s’inclou cap resultat, no que el temps sigui zero.
Què mostren els resultats de precisió
L’estudi d’entrevistes de Willem Maas a Growth Velocity, publicat el 2023-08-08, comunica resultats respecte de 1,199 paraules de referència d’una entrevista B2B d’una hora; els límits exactes puntuats no estan especificats. La recerca citada i les proves de productes complets mesuren abasts diferents. Estudi de l’entrevista
| Producte / entrada | Precisió comunicada i tipus d’evidència | Abast de la prova original | Autor, data i font |
|---|---|---|---|
| AccurateScribe — prova del producte | Mediana de la WER per fitxer: 5.26% per lots / 6.84% en continu | 2,703 fitxers / 81.69 hores | Resultats de prova del producte proporcionats per l’avaluador. Font de la prova |
| Sonix Standard, pagament per ús | WER històrica de l’entrevista 3.1% | 37 errors de paraula / 1,199 paraules de referència | Willem Maas, Growth Velocity, 2023-08-08. Prova original |
| Rev Max AI | WER històrica de l’entrevista 4.8% | 58 errors de paraula / 1,199 paraules de referència | Willem Maas, Growth Velocity, 2023-08-08. Prova original |
| Otter Pro | WER històrica de l’entrevista 6.3% | 75 errors de paraula / 1,199 paraules de referència | Willem Maas, Growth Velocity, 2023-08-08. Prova original |
Font de la prova del producte AccurateScribe: L’abast de la mostra i les xifres de WER d’aquesta fila han estat proporcionats i confirmats per l’avaluador per a aquesta ressenya.
En aquella prova d’entrevista, Sonix va tenir una WER més baixa que Rev i Otter. Per a les vostres pròpies gravacions, comproveu els noms, els números, la parla superposada i el soroll de fons, així com la correcció necessària perquè la transcripció sigui utilitzable.
Quant podrien costar 10, 50 i 100 hores d’àudio cada mes
Les estimacions següents apliquen les tarifes mensuals publicades a la transcripció de fitxers gravats en anglès per a un únic usuari o editor facturat. Exclouen impostos, traducció, extres de generació amb IA i edició humana. Cada gravació ha de complir les normes de fitxers i emmagatzematge del pla. La taula mostra estimacions per a combinacions de plans concretes; els càrrecs reals depenen de les llicències i opcions comprades.
| Producte | 10 hores/mes | 50 hores/mes | 100 hores/mes | Base de càlcul |
|---|---|---|---|---|
| AccurateScribe | $19.99 | $19.99 | $19.99 | Pla mensual Unlimited publicat |
| Otter | $16.99 | $30.00 | $30.00 | Pro per a 10 hores dins dels seus límits d’importació; Business per a volums més grans |
| Sonix | $50.00 | $180.00 | $680.00 | Advanced per a 10 hores; Pro més excés a $10/hora a partir d’aquí |
| Notta, per llicència facturada | $13.49 | $27.99 | $27.99 | Pro per a 10 hores; Business per a 50/100 hores, fins a 200 fitxers per llicència/mes |
| Descript | $24.00 | $115.00 | $265.00 | Hobbyist per a 10 hores; Creator més ampliacions multimèdia per a volums més grans |
| Rev AI | $29.99 | $29.99 | $59.99 | Essentials per a 10/50 hores; Pro per a 100 hores |
Fonts: AccurateScribe, Otter, Sonix, Notta, Descript i les seves ampliacions de quota multimèdia, i Rev. Les xifres de Notta són per llicència facturada. Multipliqueu la tarifa Business pel nombre de llicències comprades; les quotes de fitxers també s’apliquen per llicència.
Dos exemples mostren com funcionen les estimacions. Sonix Pro per a 100 hores costa $80 + (100 − 40) × $10 = $680. Descript Creator per a 50 hores costa $35 + un paquet addicional de 20 hores a $80 = $115. Per a 100 hores, afegir paquets de 50 hores i 20 hores dona $35 + $150 + $80 = $265. La documentació d’ampliacions de quota de Descript indica aquests preus dels paquets; és un escenari basat en Creator, no una afirmació que cap altra combinació de plans pugui ser preferible.
Adapteu el càlcul al vostre patró de fitxers. El límit de 10 importacions d’Otter Pro importa fins i tot per sota de la quota de minuts, i 100 hores consumeixen tota la quota de minuts importats de Business. Les subscripcions existents també canvien la decisió: un paquet multimèdia addicional pot costar menys que comprar una segona eina. Finalment, el preu del programari no inclou el temps que dediqueu a comprovar cites, noms o sincronització de subtítols.
Els documents i els subtítols requereixen comprovacions diferents
Per a una entrevista escrita, comproveu si les etiquetes de parlants, els salts de paràgraf i el text corregit es mantenen en l’exportació. Per als subtítols, comproveu el tipus de fitxer requerit i reproduïu la pista exportada juntament amb el vídeo. Una transcripció pot llegir-se bé i, tot i així, necessitar canvis en la sincronització o segmentació dels subtítols. La presència d’un format d’exportació confirma que l’opció existeix; no mesura la qualitat d’un resultat concret.
| Producte | Opcions d’exportació de documents, subtítols i dades pertinents aquí |
|---|---|
| AccurateScribe | DOCX, PDF, TXT, SRT, VTT, STL, EDL, XML, CSV, XLSX, HTML, JSON, FCPXML. Opcions del menú d’exportació; ajuda sobre formats habituals. |
| Otter | TXT; els plans de pagament afegeixen DOCX, PDF i SRT. Ajuda |
| Sonix | TXT, DOCX, PDF, SRT, VTT. Ajuda |
| Notta | Les descàrregues de transcripcions de pagament inclouen TXT, DOCX, PDF, SRT i XLSX. Ajuda |
| Descript | TXT, DOCX i altres formats de text; subtítols SRT/VTT. Text, subtítols |
| Rev AI | DOCX, PDF, TXT, SRT, VTT. Ajuda |
Rev distingeix específicament els fitxers de subtítols exportats d’una transcripció amb IA d’una comanda independent d’AI Captions. Si els subtítols són el vostre lliurable final, compareu el flux de subtitulació real en lloc de donar per fet que totes les vies produeixen el mateix resultat editable. Guia de formats de fitxer de Rev
Quina eina hauríeu de provar primer?
Per a la transcripció d’àudio i vídeo, compareu la subscripció de tarifa fixa d’AccurateScribe, el model d’hores incloses i excés de Sonix, i Notta Pro si la vostra càrrega de treball encaixa en la quota mensual de 30 hores i les normes de fitxers. Per a reunions, la llista curta pot incloure AccurateScribe, Otter i Notta; compareu també les funcions de captura i notes compartides si formen part del vostre flux de treball. Descript és pertinent quan necessiteu editar pòdcasts o vídeos. Rev afegeix una opció de servei humà amb preu independent al costat dels seus plans d’IA.
Després processeu una gravació representativa amb els dos candidats més sòlids. Incloeu-hi un passatge amb noms o números, un canvi de parlant i el tipus de so de fons que trobeu habitualment. Corregiu el resultat fins a l’estàndard que necessiteu i obriu el fitxer exportat a l’aplicació de destinació. Aquesta tasca completa us dirà més sobre l’adequació que un percentatge aïllat de precisió anunciat.
Preguntes freqüents
Quina eina de transcripció és la més precisa?
Les proves públiques disponibles utilitzen gravacions i mètodes de puntuació diferents, de manera que no estableixen cap líder en precisió entre aquestes sis eines. Per comparar AccurateScribe amb els altres candidats, proveu la mateixa gravació representativa i puntueu cada transcripció respecte del mateix text de referència.
La transcripció il·limitada vol dir que no hi ha restriccions?
No. Comproveu com defineix el proveïdor la quota, a més de la durada dels fitxers, el nombre de fitxers, l’emmagatzematge i l’accés a les exportacions. Una quota de reunions pot diferir d’una quota d’importació de fitxers, i una previsualització gratuïta pot diferir de l’accés a una transcripció completa. Aquestes distincions poden canviar quin pla cobreix realment la vostra tasca.
Es pot utilitzar una transcripció directament com a subtítols?
Només després de comprovar el format, la sincronització i la segmentació requerits. Seleccioneu un pla amb l’opció d’exportació necessària i reviseu els subtítols resultants juntament amb el vídeo. Un document llegible i una pista de subtítols publicable són lliurables diferents.
Prendre la decisió
Trieu els dos serveis que s’adaptin millor al vostre flux de treball i compareu-los amb la mateixa gravació. Comproveu la transcripció, el temps de correcció, el fitxer exportat i el cost total amb el volum que preveieu. La millor elecció és la que produeix un lliurable acceptable amb el mínim esforç global i una factura que podeu preveure.
Notes de les proves i fonts
La informació dels productes i les condicions de subscripció es van comprovar el 2026-10-17. Els escenaris de costos utilitzen les combinacions de plans i les hipòtesis indicades més amunt. Els estudis de rendiment conserven els seus autors, dates i enllaços originals. Les medianes per fitxer, la WER del corpus, els errors semàntics i les mesures d’èxit de tasca utilitzen mètodes de puntuació diferents i s’han de llegir dins de l’abast de cada estudi.
Lectures addicionals sobre precisió del reconeixement i latència
Precisió segons el tipus de gravació
| Mètrica de referència d’AccurateScribe | Valor de referència comunicat en la recerca citada | Abast de la gravació i la puntuació | Autor original, data i font |
|---|---|---|---|
| Referència general de WER en anglès | AA-WER 5.2% | Aproximadament 8 hores / 3 conjunts de dades; AA-WER v2.0 | Artificial Analysis, instantània comprovada el 2026-10-17. Resultats |
| Referències de WER de parla neta i trucades de resultats financers | 2.50% LibriSpeech; 16.13% Earnings-22; 2.94% SPGISpeech | WER del corpus; mostra de SPGISpeech: 1,200 clips / 3.05 hores | Verli, puntuació del 2026-07-16 / 2026-07-17. Prova de referència |
| Referència de WER de conjunts de dades mixtos | Mitjana macro 10.1% | 8 conjunts de dades amb el mateix pes; durada total avaluada no especificada | Superwhisper, actualitzat el 2026-09-03. Resultats |
| Referència de WER semàntica | Mitjana 1.32%; agregada 1.37% | 1,000 mostres; puntuació semàntica assistida per LLM, no WER ordinària d’edició de paraules | Mantenidors de Pipecat, instantània comprovada el 2026-10-17. Resultats |
| Referència de WER de text confirmat en continu | Aproximadament 2% | TIMIT; nombre i durada realment avaluats no especificats | Atila Orhon et al., v1, 2025-07-14. Article científic |
Capacitat de processament i latència en continu
| Mètrica / evidència d’AccurateScribe | Durada de l’àudio o abast de la mostra | Valor comunicat | Definició del cronometratge i font |
|---|---|---|---|
| Referència de capacitat de processament publicada | Àudio de 10 minuts | Factor de velocitat 610.0× | Capacitat de processament mòbil de 7 dies en l’estudi citat, no temps d’espera del producte complet. Artificial Analysis, comprovat el 2026-10-17. Resultats |
| Temps de resposta de fitxers gravats, referència de recerca | 40 clips curts; durada total no especificada | Mediana 0.51 segons; P90 0.96 segons | De la sol·licitud a la transcripció completa; Verli, 2026-07-17. Prova de referència |
| Temps de resposta del dictat, referència de recerca | Clips de 8–15 segons | Mediana 0.66 segons | Del final de la parla al text acabat; Superwhisper, actualitzat el 2026-09-03. Resultats, mètode |
| Retard del segment final en continu, referència de recerca | 1,000 mostres; durada total no especificada | Mediana 247 ms; P95 298 ms; P99 326 ms | Del final de la parla al segment final; mantenidors de Pipecat, comprovat el 2026-10-17. Resultats |
| Retard per paraula en continu, referència de recerca | TIMIT; durada avaluada no especificada | Mitjana provisional 0.83 segons; text confirmat aproximadament 1.7 segons | Retard a escala de paraula; Atila Orhon et al., v1, 2025-07-14. Article científic |
Idiomes i parla difícil
| Cas de referència de recerca d’AccurateScribe | Abast de la gravació | Resultat comunicat de l’estudi | Autor original, data i font |
|---|---|---|---|
| Notes de veu en anglès i rus | 8 mostres retingudes per idioma / 3 execucions; s’exclouen mostres de prova exigent de dígits/noms; smart_format=true; durada total no especificada | WER amb idioma explícit: anglès 20.9%, rus 24.0%; WER en mode multilingüe: anglès 17.9%, rus 21.5% | Smolevich, execucions de prova 2026-08. Informe |
| Parla multilingüe de trucades bancàries | 4,270 enunciats / 5.1 hores, 250 trucades d’escenaris amb guió, 5 configuracions regionals | WER en anglès 5.4%; WER en vietnamita 24.7%; UER macro per configuració regional 32.6% | Andrea Li i Soham Ray, instantània de 2026-04. Estudi de Sierra |
| Recuperació de valors estructurats | 300 escenaris llegits per humans / 5.59 hores / 85 parlants | Per lots: WER 8.2%, CTEM 90.9%, TSR 68.7%; en continu: WER 9.3%, CTEM 88.9%, TSR 61.7% | Tyler Baumgartner et al., recerca finançada per Besimple AI, v2, 2026-09-12. Article científic |
| Parla disàrtrica | TORGO; 8 parlants / 732 enunciats; durada avaluada no especificada | WER lleu 2.77%; moderada 21.83%; greu 64.00% | Ali Alsayegh i Tariq Masood, v2 revisada el 2026-08-20. Article científic |
Els resultats de recerca citats no són puntuacions intercanviables. Pipecat exclou les transcripcions absents del denominador de la WER i comunica una taxa de retorn de transcripció del 99.8%; els seus àudios i textos de referència són públics. Les xifres de la mostra petita de Smolevich són comunicades per l’autor; les notes de veu privades no són públiques. MU-Bench utilitza transcripcions normalitzades amb LLM i una ponderació igual entre configuracions regionals; la UER compta els enunciats amb errors que canvien el significat. Els àudios i les etiquetes de Sierra són públics.
Els escenaris de VoiceCodeBench són sintètics i llegits per humans, i la seva WER és invariant respecte del format. CTEM mesura les entitats recuperables; TSR exigeix que tots els objectius d’un segment es puguin recuperar. Els àudios i les anotacions i el codi de puntuació són públics. TORGO utilitza la WER mitjana per enunciat limitada al 100%, no la WER agregada. Les proves es van executar el 2025-09-17–18, abans de la revisió de 2026. Verli i Superwhisper publiquen productes de transcripció, i els autors de WhisperKit desenvolupen un sistema competidor.