Nástroje pro přepis vypadají podobně, dokud nenahrajete dlouhý rozhovor, neimportujete měsíční zásobu schůzek nebo nepotřebujete upravit video. Užitečné srovnání ukazuje, jak dobře každá služba odpovídá této práci, jaká omezení souborů platí a kolik stojí celý pracovní postup.
AccurateScribe, Otter, Sonix, Notta, Descript a Rev nabízejí různé kombinace přepisu souborů, nástrojů pro schůzky, úprav a služeb poskytovaných lidmi. Tato recenze porovnává jejich ceny, limity nahrávek, exporty, rychlost zpracování a důkazy o přesnosti se stejnou otázkou pro každou službu: co získáte pro práci, kterou skutečně potřebujete dokončit?
Podívejte se na videosrovnání
Podívejte se na našeho 5minutového anglického průvodce vhodností pro různé pracovní postupy, limity nahrávek, náklady na měsíční tarify a důkazy o přepisu. Podrobné tabulky, předpoklady s uvedeným datem a původní zdroje najdete dále v článku.
Anglický komentář a titulky · 5:11 · Přehrát na YouTube
Jsou použity ilustrační vizuály vytvořené AI a syntetický hlasový komentář. Označené obrázky produktů a historické výsledky testů si zachovávají původní zdroj a rozsah; nejde o nový kontrolovaný test šesti produktů.
AccurateScribe
Otter.ai
Sonix
Notta
Descript
Rev
Začněte svým pracovním postupem
| Produkt | Hlavní využití | Hlavní kompromis, který je třeba prověřit |
|---|---|---|
| AccurateScribe | Schůzky, rozhovory, přednášky, podcasty, videa a přepis dalšího zvuku a videa | Paušální předplatné a podpora dlouhých souborů; úplné přepisy a exporty vyžadují placený přístup |
| Otter | Záznam schůzek a sdílené poznámky ze schůzek | Porovnejte funkce pro schůzky se samostatnými omezeními importovaných souborů |
| Sonix | Přepis nahraných souborů a dodávání titulků | Měsíční účet ovlivňují zahrnuté hodiny i překročení limitu |
| Notta | Poznámky ze schůzek a pravidelný přepis souborů | Pro zahrnuje 30 hodin/měsíc se samostatnými limity počtu souborů a délky |
| Descript | Úprava podcastů nebo videí prostřednictvím přepisu | Hodnota závisí na tom, zda kromě přepisu potřebujete také úpravy |
| Rev | Volba mezi přepisem pomocí AI a lidskou službou | Porovnejte konkrétní službu, podporovaný jazyk a samostatné ceny |
Podrobnosti o funkcích a tarifech: AccurateScribe, Otter, Sonix, Notta, Descript a Rev.
Aktuální ceny a důležité limity
Níže uvedené ceny jsou zveřejněné webové sazby v USD bez daně, ověřené dne 2026-10-17. Měsíční a roční účtování představují odlišné závazky. Vybrané tarify ilustrují praktické možnosti; nejde o seznam všech úrovní ani o záznam tarifů použitých v historických testech.
| Produkt a tarif | Měsíční účtování | Roční závazek | Zahrnutý objem a hlavní omezení |
|---|---|---|---|
| AccurateScribe Unlimited | $19.99 | $119.99/rok | Inzerovaný neomezený přepis; každý soubor může mít až 10 hodin. Zdroj |
| Otter Pro / Business | $16.99 / $30 za uživatele | $99.99 / $239.88 za uživatele/rok | Pro: 1,200 minut/měsíc, 10 importů/měsíc, 90 minut/soubor. Business: 6,000 importovaných minut/měsíc, 4 hodiny/soubor. Tarify, Pro ročně, Business ročně |
| Sonix Advanced / Pro | $50 / $80 | $550 / $880 ročně | Měsíční tarify zahrnují 20 / 40 hodin; každá další hodina stojí $10. Ceník, roční tarify |
| Notta Pro / Business | $13.49 / $27.99 za uživatelské místo | $97.99 / $199.99 za uživatelské místo/rok | Pro: 1,800 minut a 100 souborů/měsíc. Business: neomezená doba přepisu a 200 souborů/uživatelské místo/měsíc. Ceník, podrobnosti tarifů |
| Descript Hobbyist / Creator | $24 / $35 za editora | Uvedené ekvivalenty $16 / $24 za editora/měsíc, účtované ročně | 10 / 30 hodin médií za editora/měsíc; u způsobilých tarifů lze dokoupit další hodiny médií. Zdroj |
| Rev Essentials AI / Pro AI | $29.99 / $59.99 za uživatelské místo | $305.90 / $575.88 za uživatelské místo/rok | 5,000 / 10,000 minut AI na osobu/měsíc. Essentials zahrnuje angličtinu a španělštinu. Ceník, podrobnosti tarifů |
Zahrnutý objem posuzujte společně s omezeními souborů. Ani velký počet dostupných minut nemusí vyhovovat, pokud vaše nahrávky překračují limit délky jednoho souboru nebo přicházejí ve větším počtu souborů, než tarif povoluje. Stejně tak je třeba tarif s neomezeným přepisem hodnotit spolu s jeho pravidly pro soubory a podmínkami poskytovatele, nikoli jej chápat jako příslib neomezené rychlosti zpracování.
Jak jednotlivé nástroje zapadají do srovnání
AccurateScribe: přepis zvuku a videa pro běžné způsoby využití
AccurateScribe převádí záznamy schůzek, rozhovory, přednášky, podcasty, videa a další zvukový či obrazový obsah na text nebo titulky. Jeho paušální předplatné je relevantní pro lidi, kteří pravidelně zpracovávají uložené nahrávky a chtějí předvídatelný účet. Ověřte limity délky souborů a formáty, v nichž potřebujete výstup dodat. Nabídka exportu zahrnuje dokumenty, titulky, tabulky, strukturovaná data a výměnné soubory pro střih; možnosti uvádí tabulka formátů níže. Přehled produktu
Bezplatný přístup poskytuje částečný náhled přepisu. Úplné přepisy a všechny možnosti exportu vyžadují předplatné, což ovlivňuje, jak velkou část celého postupu zpracování rozhovoru či titulků můžete před zaplacením vyhodnotit. Podrobnosti přístupu
Otter: porovnejte využití při schůzkách s importem souborů
Otter patří do užšího výběru nástrojů zaměřených na schůzky, ale pokud vaše práce začíná soubory, zaslouží si pozornost jeho pravidla importu. Pro kombinuje měsíční objem minut s limitem počtu souborů a limitem délky jednoho souboru. Například 10 importů po 90 minutách dovoluje nejvýše 900 importovaných minut, přestože celkový měsíční limit je 1,200 minut. Tato omezení platí současně. Business rozšiřuje kapacitu importu souborů, ale jeho neomezený objem schůzek/nahrávání v aplikaci neruší měsíční limit 6,000 minut pro importované soubory. Srovnání tarifů Otter
Pro předání výstupu podporuje Basic export textu jako TXT; placené tarify přidávají možnosti jako DOCX, PDF a SRT. Pokud klient potřebuje formátovaný dokument, zahrňte požadavek na export do srovnání bezplatných a placených úrovní. Dokumentace exportu Otter
Sonix: počítejte zahrnuté hodiny a překročení limitu společně
Sonix nabízí přepis placený podle spotřeby za $10 za hodinu a předplatná se zahrnutými hodinami. Platba podle spotřeby může vyhovovat nepravidelnému využití; při stabilním objemu může být levnější předplatné. Na tomto rozdílu záleží, protože nejvhodnější tarif se může s růstem pracovní zátěže měnit. Přepis a překlad sdílejí časový limit, takže překlad výstupu může změnit rozpočet. Podrobnosti cen a funkcí Sonix
Pokyny k nahrávání obvykle povolují soubory o délce až 8 hodin a velikosti 16 GB podle oprávnění účtu. Limity úložiště jsou samostatné. Sonix také dokumentuje exporty DOCX, TXT, PDF, SRT a VTT, takže požadovaný formát předání představuje konkrétní bod k ověření. Limity nahrávání, možnosti exportu
Notta: velkorysý objem v tarifu Pro se samostatnými pravidly pro soubory
Objem zahrnutý v tarifu Notta Pro odpovídá 30 hodinám zvuku měsíčně, takže stojí za srovnání při pravidelném využití v rámci tohoto limitu. Business mění model na neomezenou dobu přepisu na uživatelské místo a zachovává měsíční počet souborů. Jde o různá omezení: zpracování dlouhých rozhovorů a import mnoha krátkých klipů mohou vést k volbě odlišných tarifů. Ceník Notta, vysvětlení tarifů
Dokumentace importu dovoluje zvukové soubory až do 1 GB a videa až do 10 GB. Soubory mohou mít až 5 hodin bez rozpoznávání mluvčích, nebo 3 hodiny s jeho zapnutím. Pro a vyšší tarify podporují stahování přepisů včetně TXT, DOCX, PDF a SRT. Než budete předpokládat, že dlouhá nahrávka limit splňuje, ověřte nastavení mluvčích. Pravidla importu, formáty ke stažení
Descript: posuzujte úpravy stejně jako přepis
Descript představuje jiný typ nákupu, pokud je přepis součástí úpravy podcastu nebo videa. Jeho limit minut médií zahrnuje importovaná nebo nahraná média, nikoli pouze tvorbu textu. Nahrání více podkladů tak může spotřebovat více limitu než délka jedné hotové epizody. Kredity AI jsou samostatným zdrojem, takže srovnání nákladů pouze na přepis nezahrnuje všechny funkce úprav či generování. Pravidla využití Descript
U tarifů Creator a Business lze dokoupit další hodiny médií. Descript podporuje také exporty přepisů do dokumentů a titulky SRT/VTT. Pokud si jej již předplácíte kvůli úpravám, porovnejte potřebný dodatečný objem médií, než budete další předplatné přepisu automaticky považovat za úsporu. Dokoupení objemu, exporty přepisů, exporty titulků
Rev: rozlišujte AI a lidské služby
Rev má smysl prozkoumat, pokud chcete volit mezi automatickým výstupem a samostatně placenou lidskou službou. Essentials AI zahrnuje 5,000 minut na osobu měsíčně pro angličtinu a španělštinu; Pro zvyšuje objem a podporuje více jazyků. Pro jazyk mimo Essentials porovnejte odpovídající podporovaný tarif, nikoli jeho nižší inzerovanou cenu. Předplatné Rev
Uvedená cena lidského přepisu je $1.99 za minutu, což je jiná nákladová struktura než u předplatného AI. Nahrávka o délce 60 minut by začínala na $119.40 před případnými příplatky či uplatněním pravidel zaokrouhlování. Tento výpočet je užitečný pro rozpočet, ale tvrzení o lidské službě se nikdy nemají používat jako skóre přesnosti automatického produktu Rev. Ceník Rev
Rychlost a přesnost přepisu
Rychlost zpracování a přesnost rozpoznávání odpovídají na různé otázky. Nahrávky, pravidla hodnocení a hranice měření času se v níže uvedených studiích liší, takže jejich výsledky netvoří jediný žebříček.
Srovnání doby přepisu s délkou zvuku a zdroji
Níže uvedené časy tam, kde je to uvedeno, zahrnují nahrání i přepis. Tři položky RJI používají stejný rozhovor; ostatní pozorování se týkají vlastních nahrávek.
| Produkt / pozorování | Délka zvuku nebo videa | Uváděná doba zpracování | Hranice měření času | Zdroj a datum |
|---|---|---|---|---|
| AccurateScribe | 25 minut | 10 sekund | Nahrání a přepis | Záznam testu; datum provedení 2024-01-15 |
| Sonix | 25 minut | 2 minuty 56 sekund | Nahrání a přepis | Emily Lytle, RJI, 2023-02-15. Článek |
| Rev | 25 minut | 4 minuty 31 sekund | Nahrání a přepis | Emily Lytle, RJI, 2023-02-15. Článek |
| Otter | 25 minut | 6 minut 19 sekund | Nahrání a přepis | Emily Lytle, RJI, 2023-02-15. Článek |
| Rev AI, samostatný příklad | 6 minut | Přibližně 40 sekund | Přesný začátek a konec nejsou uvedeny | Miguel Rebelo, Zapier, 2026-04-02. Recenze |
| Notta | Nebylo použito žádné měření času doložené zdrojem | — | — | Není zahrnut žádný časový výsledek |
| Descript | Nebylo použito žádné měření času doložené zdrojem | — | — | Není zahrnut žádný časový výsledek |
Hodnoty RJI jsou přepsány z jejího původního grafu časů; nezahrnují lidské opravy. Tarify, síťové podmínky a opakovaná měření nejsou plně specifikovány. Zapier uvádí, že některé odkazy v recenzi mohou přinášet provizi; nahrávka v příkladu, úplný výstup a přesný testovaný tarif nejsou zveřejněny. Pomlčka znamená, že výsledek není zahrnut, nikoli nulový čas.
Co ukazují výsledky přesnosti
Studie rozhovoru autora Willem Maas z Growth Velocity, zveřejněná dne 2023-08-08, uvádí výsledky vůči 1,199 referenčním slovům z hodinového B2B rozhovoru; přesné hranice hodnocené části nejsou specifikovány. Citovaný výzkum a testy celých produktů měří odlišné rozsahy. Studie rozhovoru
| Produkt / položka | Uváděná přesnost a typ důkazu | Původní rozsah testu | Autor, datum a zdroj |
|---|---|---|---|
| AccurateScribe — test produktu | Medián WER souborů: 5.26% dávkově / 6.84% průběžně | 2,703 souborů / 81.69 hodin | Výsledky testu produktu poskytnuté testerem. Zdroj testu |
| Sonix Standard, platba podle spotřeby | WER historického rozhovoru 3.1% | 37 slovních chyb / 1,199 referenčních slov | Willem Maas, Growth Velocity, 2023-08-08. Původní test |
| Rev Max AI | WER historického rozhovoru 4.8% | 58 slovních chyb / 1,199 referenčních slov | Willem Maas, Growth Velocity, 2023-08-08. Původní test |
| Otter Pro | WER historického rozhovoru 6.3% | 75 slovních chyb / 1,199 referenčních slov | Willem Maas, Growth Velocity, 2023-08-08. Původní test |
Zdroj testu produktu AccurateScribe: Rozsah vzorku a hodnoty WER v tomto řádku poskytl a pro tuto recenzi potvrdil tester.
V tomto testu rozhovoru měl Sonix nižší WER než Rev a Otter. U vlastních nahrávek kontrolujte jména, čísla, překrývající se řeč a hluk na pozadí i to, kolik oprav je potřeba, než bude přepis použitelný.
Kolik by mohlo stát 10, 50 a 100 hodin zvuku měsíčně
Následující odhady uplatňují zveřejněné měsíční sazby na přepis anglických nahraných souborů pro jednoho účtovaného uživatele nebo editora. Nezahrnují daň, překlad, příplatky za generování pomocí AI a lidské úpravy. Každá nahrávka musí splňovat pravidla tarifu pro soubory a úložiště. Tabulka uvádí odhady pro konkrétní kombinace tarifů; skutečné poplatky závisí na zakoupených uživatelských místech a možnostech.
| Produkt | 10 hodin/měsíc | 50 hodin/měsíc | 100 hodin/měsíc | Základ výpočtu |
|---|---|---|---|---|
| AccurateScribe | $19.99 | $19.99 | $19.99 | Zveřejněný měsíční tarif Unlimited |
| Otter | $16.99 | $30.00 | $30.00 | Pro pro 10 hodin v mezích jeho importních limitů; Business pro větší objemy |
| Sonix | $50.00 | $180.00 | $680.00 | Advanced pro 10 hodin; poté Pro a překročení limitu za $10/hodinu |
| Notta, za účtované uživatelské místo | $13.49 | $27.99 | $27.99 | Pro pro 10 hodin; Business pro 50/100 hodin, až 200 souborů na uživatelské místo/měsíc |
| Descript | $24.00 | $115.00 | $265.00 | Hobbyist pro 10 hodin; Creator a dokoupený objem médií pro větší objemy |
| Rev AI | $29.99 | $29.99 | $59.99 | Essentials pro 10/50 hodin; Pro pro 100 hodin |
Zdroje: AccurateScribe, Otter, Sonix, Notta, Descript a jeho dokoupení objemu médií, a Rev. Částky u Notta jsou za účtované uživatelské místo. Sazbu Business vynásobte počtem zakoupených míst; také limity počtu souborů platí na každé místo.
Dva příklady ukazují, jak odhady fungují. Sonix Pro při 100 hodinách vychází na $80 + (100 − 40) × $10 = $680. Descript Creator při 50 hodinách vychází na $35 + doplňkový balíček 20 hodin za $80 = $115. Při 100 hodinách přidání balíčků 50 hodin a 20 hodin dává $35 + $150 + $80 = $265. Dokumentace Descript k dokoupení objemu uvádí ceny těchto balíčků; jde o scénář založený na Creator, nikoli o tvrzení, že jiná kombinace tarifů nemůže být výhodnější.
Přizpůsobte výpočet skladbě svých souborů. Limit 10 importů u Otter Pro je důležitý i pod jeho minutovým limitem a 100 hodin spotřebuje celý limit importovaných minut tarifu Business. Rozhodnutí mění také stávající předplatná: další balíček médií může stát méně než nákup druhého nástroje. A konečně cena softwaru nezahrnuje čas, který věnujete kontrole citací, jmen nebo časování titulků.
Dokumenty a titulky vyžadují odlišné kontroly
U písemného rozhovoru ověřte, zda se při exportu zachovají označení mluvčích, členění odstavců a opravený text. U titulků ověřte požadovaný typ souboru a přehrajte exportovanou stopu spolu s videem. Přepis může být dobře čitelný, a přesto vyžadovat změny časování nebo segmentace titulků. Přítomnost formátu exportu dokládá, že tato možnost existuje; neměří kvalitu konkrétního výsledku.
| Produkt | Relevantní možnosti exportu dokumentů, titulků a dat |
|---|---|
| AccurateScribe | DOCX, PDF, TXT, SRT, VTT, STL, EDL, XML, CSV, XLSX, HTML, JSON, FCPXML. Možnosti v nabídce exportu; nápověda k běžným formátům. |
| Otter | TXT; placené tarify přidávají DOCX, PDF a SRT. Nápověda |
| Sonix | TXT, DOCX, PDF, SRT, VTT. Nápověda |
| Notta | Placené stahování přepisů zahrnuje TXT, DOCX, PDF, SRT a XLSX. Nápověda |
| Descript | TXT, DOCX a další textové formáty; titulky SRT/VTT. Text, titulky |
| Rev AI | DOCX, PDF, TXT, SRT, VTT. Nápověda |
Rev výslovně rozlišuje soubory titulků exportované z přepisu AI od samostatné objednávky AI Captions. Pokud jsou titulky vaším konečným výstupem, porovnejte skutečný postup tvorby titulků, místo abyste předpokládali, že každá cesta vytváří stejný upravitelný výsledek. Pokyny Rev k formátům souborů
Který nástroj vyzkoušet jako první?
Pro přepis zvuku a videa porovnejte paušální předplatné AccurateScribe, model Sonix se zahrnutými hodinami a příplatky za překročení a Notta Pro, pokud se vaše práce vejde do jeho měsíčního limitu 30 hodin a pravidel pro soubory. Pro schůzky může užší výběr zahrnovat AccurateScribe, Otter a Notta; porovnejte také funkce záznamu a sdílených poznámek, pokud jsou součástí vašeho pracovního postupu. Descript je relevantní, když potřebujete upravovat podcasty nebo video. Rev ke svým tarifům AI přidává samostatně placenou lidskou službu.
Poté zpracujte reprezentativní nahrávku dvěma nejsilnějšími kandidáty. Zahrňte pasáž se jmény nebo čísly, změnu mluvčího a typ zvuků na pozadí, s nimiž se běžně setkáváte. Opravte výstup na požadovanou úroveň a otevřete exportovaný soubor v cílové aplikaci. Celý tento úkol vám o vhodnosti řekne více než samotné inzerované procento přesnosti.
Často kladené otázky
Který nástroj pro přepis je nejpřesnější?
Dostupné veřejné testy používají různé nahrávky a metody hodnocení, takže mezi těmito šesti nástroji neurčují lídra přesnosti. Chcete-li porovnat AccurateScribe s ostatními kandidáty, otestujte stejnou reprezentativní nahrávku a ohodnoťte každý přepis vůči stejnému referenčnímu textu.
Znamená neomezený přepis, že neexistují žádná omezení?
Ne. Ověřte, jak poskytovatel definuje zahrnutý objem, a také délku souborů, jejich počet, úložiště a přístup k exportům. Limit pro schůzky se může lišit od limitu importu souborů a bezplatný náhled se může lišit od přístupu k úplnému přepisu. Tyto rozdíly mohou změnit, který tarif váš úkol skutečně pokryje.
Lze přepis použít přímo jako titulky?
Teprve po ověření požadovaného formátu, časování a segmentace. Vyberte tarif s potřebnou možností exportu a zkontrolujte výsledné titulky spolu s videem. Čitelný dokument a titulková stopa připravená ke zveřejnění jsou odlišné výstupy.
Jak se rozhodnout
Vyberte dvě služby, které nejlépe odpovídají vašemu pracovnímu postupu, a porovnejte je na stejné nahrávce. Zkontrolujte přepis, čas oprav, exportovaný soubor a celkové náklady při očekávaném objemu. Lepší volbou je služba, která vytvoří přijatelný výstup s nejmenším celkovým úsilím a předvídatelným účtem.
Poznámky k testům a zdroje
Informace o produktech a podmínky předplatného byly ověřeny dne 2026-10-17. Nákladové scénáře používají kombinace tarifů a předpoklady uvedené výše. Studie výkonu si zachovávají své autory, data a původní odkazy. Mediány souborů, korpusový WER, sémantické chyby a měřítka úspěšnosti úkolů používají odlišné metody hodnocení a je třeba je číst v rámci rozsahu každé studie.
Další četba o přesnosti rozpoznávání a latenci
Přesnost napříč typy nahrávek
| Referenční metrika AccurateScribe | Uváděná hodnota benchmarku v citovaném výzkumu | Rozsah nahrávek a hodnocení | Původní autor, datum a zdroj |
|---|---|---|---|
| Referenční WER obecné angličtiny | AA-WER 5.2% | Přibližně 8 hodin / 3 datové sady; AA-WER v2.0 | Artificial Analysis, stav ověřen 2026-10-17. Výsledky |
| Referenční WER čisté řeči a hovorů k hospodářským výsledkům | 2.50% LibriSpeech; 16.13% Earnings-22; 2.94% SPGISpeech | Korpusový WER; vzorek SPGISpeech: 1,200 klipů / 3.05 hodin | Verli, vyhodnoceno 2026-07-16 / 2026-07-17. Benchmark |
| Referenční WER smíšených datových sad | Makroprůměr 10.1% | 8 stejně vážených datových sad; celková vyhodnocená délka není uvedena | Superwhisper, aktualizováno 2026-09-03. Výsledky |
| Referenční sémantický WER | Průměr 1.32%; souhrnně 1.37% | 1,000 vzorků; sémantické hodnocení s pomocí LLM, nikoli běžný WER založený na slovních úpravách | Správci Pipecat, stav ověřen 2026-10-17. Výsledky |
| Referenční WER potvrzeného průběžně zpracovávaného textu | Přibližně 2% | TIMIT; skutečný vyhodnocený počet a délka nejsou uvedeny | Atila Orhon a kol., v1, 2025-07-14. Odborný článek |
Propustnost a latence průběžného zpracování
| Metrika / důkaz AccurateScribe | Délka zvuku nebo rozsah vzorku | Uváděná hodnota | Definice měření času a zdroj |
|---|---|---|---|
| Zveřejněná referenční propustnost | 10minutový zvuk | Násobek rychlosti 610.0× | Klouzavá 7denní propustnost v citované studii, nikoli čekací doba celého produktu. Artificial Analysis, ověřeno 2026-10-17. Výsledky |
| Doba odezvy nahraného souboru, výzkumná reference | 40 krátkých klipů; celková délka není uvedena | Medián 0.51 sekund; P90 0.96 sekund | Od požadavku po úplný přepis; Verli, 2026-07-17. Benchmark |
| Doba odezvy diktování, výzkumná reference | Klipy o délce 8–15 sekund | Medián 0.66 sekund | Od konce řeči po hotový text; Superwhisper, aktualizováno 2026-09-03. Výsledky, metoda |
| Zpoždění finálního průběžného segmentu, výzkumná reference | 1,000 vzorků; celková délka není uvedena | Medián 247 ms; P95 298 ms; P99 326 ms | Od konce řeči po finální segment; správci Pipecat, ověřeno 2026-10-17. Výsledky |
| Průběžné zpoždění na slovo, výzkumná reference | TIMIT; vyhodnocená délka není uvedena | Průměr předběžného textu 0.83 sekund; potvrzený text přibližně 1.7 sekund | Zpoždění na úrovni slov; Atila Orhon a kol., v1, 2025-07-14. Odborný článek |
Jazyky a obtížně srozumitelná řeč
| Případ výzkumné reference AccurateScribe | Rozsah nahrávek | Uváděný výsledek studie | Původní autor, datum a zdroj |
|---|---|---|---|
| Anglické a ruské hlasové poznámky | 8 ponechaných vzorků na jazyk / 3 běhy; zátěžové vzorky s číslicemi/jmény vyloučeny; smart_format=true; celková délka není uvedena | WER při výslovném určení jazyka: angličtina 20.9%, ruština 24.0%; WER vícejazyčného režimu: angličtina 17.9%, ruština 21.5% | Smolevich, testovací běhy 2026-08. Zpráva |
| Vícejazyčná řeč z bankovních hovorů | 4,270 promluv / 5.1 hodin, 250 hovorů podle připravených scénářů, 5 jazykových variant | Anglický WER 5.4%; vietnamský WER 24.7%; makroprůměr UER podle jazykových variant 32.6% | Andrea Li a Soham Ray, stav k 2026-04. Studie Sierra |
| Obnova strukturovaných hodnot | 300 scénářů čtených lidmi / 5.59 hodin / 85 mluvčích | Dávkově: WER 8.2%, CTEM 90.9%, TSR 68.7%; průběžně: WER 9.3%, CTEM 88.9%, TSR 61.7% | Tyler Baumgartner a kol., výzkum financovaný Besimple AI, v2, 2026-09-12. Odborný článek |
| Dysartrická řeč | TORGO; 8 mluvčích / 732 promluv; vyhodnocená délka není uvedena | Mírná forma WER 2.77%; střední 21.83%; těžká 64.00% | Ali Alsayegh a Tariq Masood, v2 revidováno 2026-08-20. Odborný článek |
Citované výsledky výzkumu nejsou zaměnitelná skóre. Pipecat vylučuje chybějící přepisy ze jmenovatele WER a uvádí míru vrácení přepisu 99.8%; jeho zvukové nahrávky a reference jsou veřejné. Hodnoty Smoleviche pro malý vzorek uvádí autor; soukromé hlasové poznámky nejsou veřejné. MU-Bench používá přepisy normalizované pomocí LLM a stejné váhy napříč jazykovými variantami; UER počítá promluvy s chybami měnícími význam. Zvukové nahrávky a anotace Sierra jsou veřejné.
Scénáře VoiceCodeBench jsou syntetické a čtené lidmi a jeho WER je nezávislý na formátu. CTEM měří obnovitelné entity; TSR vyžaduje, aby bylo možné obnovit každý cíl v segmentu. Zvukové nahrávky a anotace a kód pro hodnocení jsou veřejné. TORGO používá průměrný WER jednotlivých promluv s horní hranicí 100%, nikoli souhrnný WER. Testovací běhy proběhly 2025-09-17–18, před revizí z roku 2026. Verli a Superwhisper vydávají produkty pro přepis a autoři WhisperKit vyvíjejí konkurenční systém.