Alati za transkripciju djeluju slično dok ne prenesete dug intervju, uvezete mjesečnu zbirku sastanaka ili trebate urediti video. Korisna usporedba pokazuje koliko svaka usluga odgovara tom poslu, koja ograničenja datoteka vrijede i koliko stoji cijeli postupak.
AccurateScribe, Otter, Sonix, Notta, Descript i Rev nude različite kombinacije transkripcije datoteka, alata za sastanke, uređivanja i usluga koje obavljaju ljudi. Ova recenzija uspoređuje njihove cijene, ograničenja snimki, izvoz, brzinu obrade i dokaze o točnosti, uz isto pitanje za svaki proizvod: što dobivate za posao koji doista trebate dovršiti?
Pogledajte videousporedbu
Pogledajte naš 5-minutni vodič na engleskom o prikladnosti za različite postupke, ograničenjima snimki, mjesečnim troškovima paketa i dokazima o transkripciji. Detaljne tablice, datirane pretpostavke i izvorne reference ostaju u članku u nastavku.
Naracija i titlovi na engleskom · 5:11 · Pogledajte na YouTubeu
Upotrijebljeni su ilustrativni vizualni sadržaji generirani umjetnom inteligencijom i sintetička naracija. Označene slike proizvoda i rezultati ranijih testiranja zadržavaju izvorni izvor i opseg; ovo nije novo kontrolirano testiranje šest proizvoda.
AccurateScribe
Otter.ai
Sonix
Notta
Descript
Rev
Krenite od svojeg načina rada
| Proizvod | Glavna namjena | Glavni kompromis koji treba provjeriti |
|---|---|---|
| AccurateScribe | Sastanci, intervjui, predavanja, podcasti, videozapisi i druga transkripcija zvuka/videa | Fiksna pretplata i podrška za duge datoteke; za cjelovite transkripte i izvoz potreban je plaćeni pristup |
| Otter | Snimanje sastanaka i zajedničke bilješke sa sastanaka | Usporedite značajke za sastanke sa zasebnim ograničenjima uvezenih datoteka |
| Sonix | Transkripcija snimljenih datoteka i isporuka titlova | Uključeni sati i prekoračenje utječu na mjesečni račun |
| Notta | Bilješke sa sastanaka i redovita transkripcija datoteka | Pro uključuje 30 sati mjesečno, uz zasebna ograničenja broja i trajanja datoteka |
| Descript | Uređivanje podcasta ili videozapisa putem transkripta | Vrijednost ovisi o tome trebate li uz transkripciju i uređivanje |
| Rev | Odabir između transkripcije umjetnom inteligencijom i ljudske usluge | Usporedite točnu uslugu, podržani jezik i zasebne cijene |
Pojedinosti o značajkama i paketima: AccurateScribe, Otter, Sonix, Notta, Descript i Rev.
Aktualne cijene i važna ograničenja
Cijene u nastavku objavljene su internetske cijene u USD bez poreza, provjerene 2026-10-17. Mjesečno i godišnje plaćanje različite su obveze. Odabrani paketi prikazuju praktične mogućnosti; nisu popis svih razina ni zapis o paketima korištenima u ranijim testiranjima.
| Proizvod i paket | Mjesečno plaćanje | Godišnja obveza | Uključena kvota i ključna ograničenja |
|---|---|---|---|
| AccurateScribe Unlimited | $19.99 | $119.99/godišnje | Oglašena neograničena transkripcija; datoteke do 10 sati svaka. Izvor |
| Otter Pro / Business | $16.99 / $30 po korisniku | $99.99 / $239.88 po korisniku godišnje | Pro: 1,200 minuta mjesečno, 10 uvoza mjesečno, 90 minuta po datoteci. Business: 6,000 uvezenih minuta mjesečno, 4 sata po datoteci. Paketi, Pro godišnje, Business godišnje |
| Sonix Advanced / Pro | $50 / $80 | $550 / $880 godišnje | Mjesečni paketi uključuju 20 / 40 sati; dodatni sati stoje $10 svaki. Cijene, godišnji paketi |
| Notta Pro / Business | $13.49 / $27.99 po korisničkom mjestu | $97.99 / $199.99 po korisničkom mjestu godišnje | Pro: 1,800 minuta i 100 datoteka mjesečno. Business: neograničeno vrijeme transkripcije i 200 datoteka po korisničkom mjestu mjesečno. Cijene, pojedinosti o paketima |
| Descript Hobbyist / Creator | $24 / $35 po uredniku | Navedene usporedive cijene od $16 / $24 po uredniku mjesečno, uz godišnje plaćanje | 10 / 30 sati medijskog sadržaja po uredniku mjesečno; prihvatljivi paketi mogu kupiti dodatne sate medijskog sadržaja. Izvor |
| Rev Essentials AI / Pro AI | $29.99 / $59.99 po korisničkom mjestu | $305.90 / $575.88 po korisničkom mjestu godišnje | 5,000 / 10,000 minuta umjetnom inteligencijom po osobi mjesečno. Essentials obuhvaća engleski i španjolski. Cijene, pojedinosti o paketima |
Zajedno proučite kvotu i ograničenja datoteka. Velik broj raspoloživih minuta i dalje može biti neprikladan ako snimke premašuju ograničenje pojedinačne datoteke ili ako ih ima više nego što paket dopušta. Jednako tako, paket neograničene transkripcije treba procijeniti zajedno s pravilima za datoteke i uvjetima pružatelja, a ne tumačiti kao obećanje neograničene brzine obrade.
Kako se svaki alat uklapa u usporedbu
AccurateScribe: transkripcija zvuka i videa za uobičajene namjene
AccurateScribe pretvara snimke sastanaka, intervjue, predavanja, podcaste, videozapise i drugi zvučni ili videosadržaj u tekst ili titlove. Njegova fiksna pretplata važna je ljudima koji redovito obrađuju spremljene snimke i žele predvidljiv račun. Provjerite ograničenja trajanja datoteka i formate koje trebate isporučiti. Izbornik izvoza obuhvaća dokumente, titlove, proračunske tablice, strukturirane podatke i datoteke za razmjenu među programima za montažu; tablica formata u nastavku navodi mogućnosti. Pregled proizvoda
Besplatan pristup omogućuje djelomičan pregled transkripta. Za cjelovite transkripte i sve mogućnosti izvoza potrebna je pretplata, što utječe na to koliko cjelovit postupak obrade intervjua ili titlova možete procijeniti prije plaćanja. Pojedinosti o pristupu
Otter: usporedite korištenje za sastanke s uvozom datoteka
Otter pripada užem izboru usmjerenom na sastanke, ali njegova pravila uvoza zaslužuju pozornost kada posao počinje datotekama. Pro spaja mjesečnu kvotu minuta s ograničenjem broja datoteka i trajanja pojedinačne datoteke. Primjerice, 10 uvoza po 90 minuta dopušta najviše 900 uvezenih minuta, iako ukupna mjesečna kvota iznosi 1,200 minuta. Ta ograničenja vrijede zajedno. Business proširuje kapacitet uvoza datoteka, ali njegova neograničena kvota za sastanke/snimanje u aplikaciji ne uklanja mjesečno ograničenje od 6,000 minuta za uvezene datoteke. Usporedba Otterovih paketa
Za isporuku Basic podržava izvoz teksta u TXT; plaćeni paketi dodaju mogućnosti kao što su DOCX, PDF i SRT. Ako klijent treba oblikovani dokument, u usporedbu besplatnih i plaćenih razina uključite zahtjev za izvoz. Otterova dokumentacija o izvozu
Sonix: zajedno izračunajte uključene sate i prekoračenje
Sonix nudi transkripciju uz plaćanje prema potrošnji po cijeni od $10 na sat te pretplate s uključenim satima. Plaćanje prema potrošnji može odgovarati povremenoj uporabi; pretplata može biti jeftinija pri stalnom opsegu. Razlika je važna jer se najprikladniji paket može promijeniti s rastom opsega posla. Transkripcija i prijevod dijele vremensku kvotu, pa prevođenje rezultata može promijeniti proračun. Sonixove cijene i pojedinosti o značajkama
Smjernice za prijenos u pravilu dopuštaju datoteke do 8 sati i 16 GB, ovisno o ovlastima računa. Ograničenja pohrane zasebna su. Sonix dokumentira i izvoz u DOCX, TXT, PDF, SRT i VTT, pa je potreban format predaje konkretna stavka koju valja provjeriti. Ograničenja prijenosa, mogućnosti izvoza
Notta: izdašna kvota paketa Pro uz zasebna pravila za datoteke
Kvota paketa Notta Pro iznosi 30 sati zvuka mjesečno, pa ga vrijedi usporediti za redovitu uporabu unutar tog ograničenja. Business mijenja model u neograničeno vrijeme transkripcije po korisničkom mjestu, uz zadržavanje mjesečne kvote datoteka. To su različita ograničenja: obrada dugih intervjua i uvoz mnogih kratkih isječaka mogu dovesti do različitog odabira paketa. Nottine cijene, objašnjenje paketa
Dokumentacija o uvozu dopušta zvučne datoteke do 1 GB i videozapise do 10 GB. Datoteke mogu trajati do 5 sati bez prepoznavanja govornika ili 3 sata s uključenim prepoznavanjem. Pro i viši paketi podržavaju preuzimanje transkripata, uključujući TXT, DOCX, PDF i SRT. Provjerite postavku govornika prije nego što pretpostavite da duga snimka zadovoljava uvjete. Pravila uvoza, formati preuzimanja
Descript: uz transkripciju procijenite i postupak uređivanja
Descript je drukčija kupnja kada je transkript dio uređivanja podcasta ili videa. Njegova kvota minuta medijskog sadržaja pokriva uvezeni ili snimljeni sadržaj, a ne samo generiranje teksta. Prijenos više materijala zato može potrošiti više kvote nego što traje jedna završena epizoda. Krediti za umjetnu inteligenciju zaseban su resurs, pa usporedba troška same transkripcije ne obuhvaća sve značajke uređivanja ili generiranja. Descriptova pravila korištenja
Creator i Business mogu kupiti dodatne sate medijskog sadržaja. Descript podržava i izvoz transkripata namijenjen dokumentima te titlove SRT/VTT. Ako ste već pretplaćeni zbog uređivanja, usporedite dodatnu medijsku kvotu koja vam treba prije nego što drugu pretplatu za transkripciju smatrate automatskom uštedom. Dopune, izvoz transkripata, izvoz titlova
Rev: odvojeno razmatrajte usluge umjetne inteligencije i ljudske usluge
Rev vrijedi proučiti kada želite odabir između automatiziranog rezultata i ljudske usluge sa zasebnom cijenom. Essentials AI uključuje 5,000 minuta po osobi mjesečno za engleski i španjolski; Pro povećava kvotu i podržava više jezika. Za jezik izvan paketa Essentials usporedite odgovarajući podržani paket, a ne njegovu nižu istaknutu cijenu. Revovi pretplatnički paketi
Navedena cijena ljudske transkripcije iznosi $1.99 po minuti, što je drukčija struktura troškova od pretplata na umjetnu inteligenciju. Snimka od 60 minuta počinjala bi od $119.40 prije primjenjivih dodataka ili pravila zaokruživanja. Taj je izračun koristan za planiranje troškova, ali tvrdnje o ljudskoj usluzi nikada se ne smiju upotrijebiti kao ocjena točnosti Revova automatiziranog proizvoda. Revove cijene
Brzina i točnost transkripcije
Brzina obrade i točnost prepoznavanja odgovaraju na različita pitanja. Snimke, pravila ocjenjivanja i granice mjerenja vremena razlikuju se među istraživanjima u nastavku, pa njihovi rezultati ne čine jedinstvenu ljestvicu.
Usporedba vremena transkripcije uz trajanje zvuka i izvore
Vremena u nastavku uključuju prijenos i transkripciju gdje je to navedeno. Tri RJI-jeva unosa koriste isti intervju; ostala opažanja odnose se na njihove zasebne snimke.
| Proizvod / opažanje | Trajanje zvuka ili videa | Prijavljeno vrijeme obrade | Granice mjerenja vremena | Izvor i datum |
|---|---|---|---|---|
| AccurateScribe | 25 minuta | 10 sekundi | Prijenos i transkripcija | Zapis testiranja; datum provedbe 2024-01-15 |
| Sonix | 25 minuta | 2 minute i 56 sekundi | Prijenos i transkripcija | Emily Lytle, RJI, 2023-02-15. Članak |
| Rev | 25 minuta | 4 minute i 31 sekunda | Prijenos i transkripcija | Emily Lytle, RJI, 2023-02-15. Članak |
| Otter | 25 minuta | 6 minuta i 19 sekundi | Prijenos i transkripcija | Emily Lytle, RJI, 2023-02-15. Članak |
| Rev AI, zaseban primjer | 6 minuta | Oko 40 sekundi | Točan početak i kraj nisu navedeni | Miguel Rebelo, Zapier, 2026-04-02. Recenzija |
| Notta | Nije upotrijebljeno mjerenje vremena potkrijepljeno izvorom | — | — | Nije uključen rezultat mjerenja vremena |
| Descript | Nije upotrijebljeno mjerenje vremena potkrijepljeno izvorom | — | — | Nije uključen rezultat mjerenja vremena |
RJI-jeve vrijednosti prepisane su iz njegova izvornog grafikona vremena; ne uključuju ljudsko ispravljanje. Paketi, mrežni uvjeti i ponovljena mjerenja nisu u cijelosti navedeni. Zapier objavljuje da neke poveznice u recenzijama mogu donositi proviziju; snimka iz primjera, potpuni rezultat i točan testirani paket nisu objavljeni. Crtica znači da rezultat nije uključen, a ne da je vrijeme jednako nuli.
Što pokazuju rezultati točnosti
Istraživanje intervjua Willema Maasa za Growth Velocity, objavljeno 2023-08-08, izvješćuje o rezultatima prema 1,199 referentnih riječi iz jednosatnog B2B intervjua; točne granice ocjenjivanog dijela nisu navedene. Citirana istraživanja i testiranja cjelovitih proizvoda mjere različite opsege. Istraživanje intervjua
| Proizvod / unos | Prijavljena točnost i vrsta dokaza | Izvorni opseg testiranja | Autor, datum i izvor |
|---|---|---|---|
| AccurateScribe — testiranje proizvoda | Medijan WER-a po datoteci: 5.26% skupno / 6.84% strujanjem | 2,703 datoteke / 81.69 sati | Rezultati testiranja proizvoda koje je dostavio ispitivač. Izvor testiranja |
| Sonix Standard, plaćanje prema potrošnji | WER ranijeg testiranja intervjua 3.1% | 37 pogrešaka u riječima / 1,199 referentnih riječi | Willem Maas, Growth Velocity, 2023-08-08. Izvorno testiranje |
| Rev Max AI | WER ranijeg testiranja intervjua 4.8% | 58 pogrešaka u riječima / 1,199 referentnih riječi | Willem Maas, Growth Velocity, 2023-08-08. Izvorno testiranje |
| Otter Pro | WER ranijeg testiranja intervjua 6.3% | 75 pogrešaka u riječima / 1,199 referentnih riječi | Willem Maas, Growth Velocity, 2023-08-08. Izvorno testiranje |
Izvor testiranja proizvoda AccurateScribe: Opseg uzorka i vrijednosti WER-a u ovom retku dostavio je i potvrdio ispitivač za ovu recenziju.
U tom testiranju intervjua Sonix je imao niži WER od Reva i Ottera. Na vlastitim snimkama provjerite imena, brojeve, preklapanje govora i pozadinsku buku te koliko je ispravaka potrebno da bi transkript bio upotrebljiv.
Koliko bi mjesečno moglo stajati 10, 50 i 100 sati zvuka
Sljedeće procjene primjenjuju objavljene mjesečne cijene na transkripciju snimljenih datoteka na engleskom za jednog korisnika ili urednika koji se naplaćuje. Isključuju porez, prijevod, dodatke za generiranje umjetnom inteligencijom i ljudsko uređivanje. Svaka snimka mora zadovoljavati pravila paketa o datotekama i pohrani. Tablica prikazuje procjene za određene kombinacije paketa; stvarne naknade ovise o kupljenim korisničkim mjestima i opcijama.
| Proizvod | 10 sati mjesečno | 50 sati mjesečno | 100 sati mjesečno | Osnova |
|---|---|---|---|---|
| AccurateScribe | $19.99 | $19.99 | $19.99 | Objavljeni mjesečni paket Unlimited |
| Otter | $16.99 | $30.00 | $30.00 | Pro za 10 sati unutar njegovih ograničenja uvoza; Business za veće opsege |
| Sonix | $50.00 | $180.00 | $680.00 | Advanced za 10 sati; zatim Pro uz prekoračenje od $10 po satu |
| Notta, po korisničkom mjestu koje se naplaćuje | $13.49 | $27.99 | $27.99 | Pro za 10 sati; Business za 50/100 sati, do 200 datoteka po korisničkom mjestu mjesečno |
| Descript | $24.00 | $115.00 | $265.00 | Hobbyist za 10 sati; Creator uz dopune medijskog sadržaja za veće opsege |
| Rev AI | $29.99 | $29.99 | $59.99 | Essentials za 10/50 sati; Pro za 100 sati |
Izvori: AccurateScribe, Otter, Sonix, Notta, Descript i njegove dopune medijskog sadržaja, te Rev. Nottini iznosi odnose se na pojedino korisničko mjesto koje se naplaćuje. Pomnožite cijenu paketa Business brojem kupljenih mjesta; kvote datoteka također vrijede po mjestu.
Dva primjera pokazuju kako procjene funkcioniraju. Sonix Pro za 100 sati iznosi $80 + (100 − 40) × $10 = $680. Descript Creator za 50 sati iznosi $35 + dodatni paket od 20 sati po cijeni od $80 = $115. Za 100 sati dodavanje paketa od 50 sati i 20 sati daje $35 + $150 + $80 = $265. Descriptova dokumentacija o dopunama navodi te cijene paketa; ovo je scenarij temeljen na paketu Creator, a ne tvrdnja da nijedna druga kombinacija paketa ne bi mogla biti povoljnija.
Uskladite izračun sa strukturom svojih datoteka. Ograničenje od 10 uvoza paketa Otter Pro važno je čak i ispod njegove kvote minuta, a 100 sati troši punu kvotu uvezenih minuta paketa Business. Postojeće pretplate također mijenjaju odluku: dodatni paket medijskog sadržaja može stajati manje od kupnje drugog alata. Naposljetku, cijena softvera ne uključuje vrijeme koje provedete provjeravajući citate, imena ili vremensko usklađivanje titlova.
Dokumenti i titlovi zahtijevaju različite provjere
Za pisani intervju provjerite zadržavaju li se pri izvozu oznake govornika, prijelomi odlomaka i ispravljeni tekst. Za titlove provjerite potreban tip datoteke i reproducirajte izvezeni zapis uz video. Transkript može biti dobro čitljiv, a ipak zahtijevati izmjene vremena ili segmentacije titlova. Postojanje formata izvoza potvrđuje da mogućnost postoji; ne mjeri kvalitetu pojedinog rezultata.
| Proizvod | Ovdje relevantne mogućnosti izvoza dokumenata, titlova i podataka |
|---|---|
| AccurateScribe | DOCX, PDF, TXT, SRT, VTT, STL, EDL, XML, CSV, XLSX, HTML, JSON, FCPXML. Mogućnosti izbornika izvoza; pomoć za uobičajene formate. |
| Otter | TXT; plaćeni paketi dodaju DOCX, PDF i SRT. Pomoć |
| Sonix | TXT, DOCX, PDF, SRT, VTT. Pomoć |
| Notta | Plaćeno preuzimanje transkripata uključuje TXT, DOCX, PDF, SRT i XLSX. Pomoć |
| Descript | TXT, DOCX i drugi tekstni formati; titlovi SRT/VTT. Tekst, titlovi |
| Rev AI | DOCX, PDF, TXT, SRT, VTT. Pomoć |
Rev izričito razlikuje datoteke titlova izvezene iz transkripta umjetne inteligencije od zasebne narudžbe usluge AI Captions. Ako su titlovi vaš završni proizvod, usporedite stvarni postupak izrade titlova umjesto da pretpostavite kako svaki put daje isti rezultat koji se može uređivati. Revove smjernice za formate datoteka
Koji alat prvo isprobati?
Za transkripciju zvuka i videa usporedite fiksnu pretplatu AccurateScribea, Sonixov model uključenih sati i prekoračenja te Nottu Pro ako vaš opseg posla odgovara mjesečnoj kvoti od 30 sati i pravilima za datoteke. Za sastanke uži izbor može uključivati AccurateScribe, Otter i Nottu; usporedite i značajke snimanja i zajedničkih bilješki ako su dio vašeg rada. Descript je relevantan kada trebate uređivanje podcasta ili videa. Rev uz svoje pakete umjetne inteligencije dodaje opciju ljudske usluge sa zasebnom cijenom.
Zatim obradite reprezentativnu snimku u svoja dva najjača kandidata. Uključite odlomak s imenima ili brojevima, promjenu govornika i vrstu pozadinskog zvuka s kojom se obično susrećete. Ispravite rezultat do potrebnog standarda i otvorite izvezenu datoteku u odredišnoj aplikaciji. Taj cjeloviti zadatak reći će vam više o prikladnosti od izdvojenog istaknutog postotka točnosti.
Česta pitanja
Koji je alat za transkripciju najtočniji?
Dostupna javna testiranja koriste različite snimke i metode ocjenjivanja, pa ne utvrđuju vodeći alat po točnosti među ovih šest proizvoda. Za usporedbu AccurateScribea s ostalim kandidatima testirajte istu reprezentativnu snimku i ocijenite svaki transkript prema istom referentnom tekstu.
Znači li neograničena transkripcija da nema ograničenja?
Ne. Provjerite kako pružatelj definira kvotu te trajanje datoteka, broj datoteka, pohranu i pristup izvozu. Kvota za sastanke može se razlikovati od kvote za uvoz datoteka, a besplatan pregled od pristupa cjelovitom transkriptu. Te razlike mogu promijeniti paket koji doista pokriva vaš zadatak.
Može li se transkript izravno upotrijebiti kao titlove?
Tek nakon provjere potrebnog formata, vremenskog usklađivanja i segmentacije. Odaberite paket s potrebnom mogućnošću izvoza i pregledajte nastale titlove uz video. Čitljiv dokument i zapis titlova spreman za objavu različiti su proizvodi.
Donošenje odluke
Odaberite dvije usluge koje najbolje odgovaraju vašem načinu rada, a zatim ih usporedite na istoj snimci. Provjerite transkript, vrijeme ispravljanja, izvezenu datoteku i ukupni trošak pri očekivanom opsegu. Bolji je izbor onaj koji daje prihvatljiv završni rezultat uz najmanje ukupnog truda i predvidljiv račun.
Bilješke o testiranju i izvori
Informacije o proizvodima i uvjeti pretplate provjereni su 2026-10-17. Troškovni scenariji koriste kombinacije paketa i pretpostavke prikazane iznad. Istraživanja učinkovitosti zadržavaju autore, datume i izvorne poveznice. Medijani po datoteci, WER korpusa, semantičke pogreške i mjere uspješnosti zadatka koriste različite metode ocjenjivanja i trebaju se tumačiti u okviru pojedinog istraživanja.
Dodatna literatura o točnosti prepoznavanja i latenciji
Točnost za različite vrste snimki
| Referentna metrika AccurateScribea | Prijavljena vrijednost usporednog testiranja u citiranom istraživanju | Opseg snimanja i ocjenjivanja | Izvorni autor, datum i izvor |
|---|---|---|---|
| Referenca WER-a za opći engleski | AA-WER 5.2% | Približno 8 sati / 3 skupa podataka; AA-WER v2.0 | Artificial Analysis, snimka stanja provjerena 2026-10-17. Rezultati |
| Reference WER-a za čist govor i konferencijske pozive o poslovnim rezultatima | 2.50% LibriSpeech; 16.13% Earnings-22; 2.94% SPGISpeech | WER korpusa; uzorak SPGISpeech: 1,200 isječaka / 3.05 sati | Verli, ocijenjeno 2026-07-16 / 2026-07-17. Usporedno testiranje |
| Referenca WER-a za mješovite skupove podataka | Makroprosjek 10.1% | 8 jednako ponderiranih skupova podataka; ukupno ocijenjeno trajanje nije navedeno | Superwhisper, ažurirano 2026-09-03. Rezultati |
| Referenca semantičkog WER-a | Aritmetička sredina 1.32%; objedinjeno 1.37% | 1,000 uzoraka; semantičko ocjenjivanje uz pomoć LLM-a, a ne uobičajeni WER temeljen na izmjenama riječi | Održavatelji Pipecata, snimka stanja provjerena 2026-10-17. Rezultati |
| Referenca WER-a potvrđenog teksta pri strujanju | Približno 2% | TIMIT; stvarni broj ocijenjenih uzoraka i trajanje nisu navedeni | Atila Orhon i sur., v1, 2025-07-14. Rad |
Propusnost i latencija strujanja
| Metrika / dokaz za AccurateScribe | Trajanje zvuka ili opseg uzorka | Prijavljena vrijednost | Definicija mjerenja vremena i izvor |
|---|---|---|---|
| Objavljena referenca propusnosti | 10-minutni zvuk | Faktor brzine 610.0× | Klizna 7-dnevna propusnost u citiranom istraživanju, a ne vrijeme čekanja u cjelovitom proizvodu. Artificial Analysis, provjereno 2026-10-17. Rezultati |
| Vrijeme odziva za snimljene datoteke, istraživačka referenca | 40 kratkih isječaka; ukupno trajanje nije navedeno | Medijan 0.51 sekundi; P90 0.96 sekundi | Od zahtjeva do cjelovitog transkripta; Verli, 2026-07-17. Usporedno testiranje |
| Vrijeme odziva za diktiranje, istraživačka referenca | Isječci od 8–15 sekundi | Medijan 0.66 sekundi | Od završetka govora do dovršenog teksta; Superwhisper, ažurirano 2026-09-03. Rezultati, metoda |
| Kašnjenje završnog segmenta pri strujanju, istraživačka referenca | 1,000 uzoraka; ukupno trajanje nije navedeno | Medijan 247 ms; P95 298 ms; P99 326 ms | Od završetka govora do završnog segmenta; održavatelji Pipecata, provjereno 2026-10-17. Rezultati |
| Kašnjenje po riječi pri strujanju, istraživačka referenca | TIMIT; ocijenjeno trajanje nije navedeno | Aritmetička sredina privremenog teksta 0.83 sekundi; potvrđeni tekst oko 1.7 sekundi | Kašnjenje na razini riječi; Atila Orhon i sur., v1, 2025-07-14. Rad |
Jezici i zahtjevan govor
| Slučaj iz istraživačkih referenci AccurateScribea | Opseg snimki | Prijavljeni rezultat istraživanja | Izvorni autor, datum i izvor |
|---|---|---|---|
| Glasovne bilješke na engleskom i ruskom | 8 zadržanih uzoraka po jeziku / 3 izvođenja; uzorci za provjeru zahtjevnih znamenki/imena isključeni; smart_format=true; ukupno trajanje nije navedeno | WER uz izričito zadan jezik: engleski 20.9%, ruski 24.0%; WER višejezičnog načina: engleski 17.9%, ruski 21.5% | Smolevich, testiranja 2026-08. Izvješće |
| Višejezični govor u bankovnim pozivima | 4,270 iskaza / 5.1 sati, 250 poziva prema scenarijima, 5 jezično-regionalnih postavki | WER za engleski 5.4%; WER za vijetnamski 24.7%; makroprosjek UER-a po jezično-regionalnim postavkama 32.6% | Andrea Li i Soham Ray, snimka stanja 2026-04. Istraživanje Sierra |
| Oporavak strukturiranih vrijednosti | 300 scenarija koje su pročitali ljudi / 5.59 sati / 85 govornika | Skupno: WER 8.2%, CTEM 90.9%, TSR 68.7%; strujanjem: WER 9.3%, CTEM 88.9%, TSR 61.7% | Tyler Baumgartner i sur., istraživanje financirao Besimple AI, v2, 2026-09-12. Rad |
| Dizartrični govor | TORGO; 8 govornika / 732 iskaza; ocijenjeno trajanje nije navedeno | WER za blagi stupanj 2.77%; umjereni 21.83%; teški 64.00% | Ali Alsayegh i Tariq Masood, v2 revidiran 2026-08-20. Rad |
Rezultati citiranih istraživanja nisu međusobno zamjenjive ocjene. Pipecat isključuje nedostajuće transkripte iz nazivnika WER-a i navodi stopu vraćenih transkripata od 99.8%; njegovi zvučni zapisi i referentni tekstovi javno su dostupni. Smolevicheve vrijednosti za male uzorke navodi autor; privatne glasovne bilješke nisu javno dostupne. MU-Bench koristi transkripte normalizirane LLM-om i jednako ponderiranje jezično-regionalnih postavki; UER broji iskaze s pogreškama koje mijenjaju značenje. Sierrini zvučni zapisi i oznake javno su dostupni.
Scenariji VoiceCodeBencha sintetički su i čitaju ih ljudi, a njegov WER ne ovisi o formatu. CTEM mjeri entitete koji se mogu oporaviti; TSR zahtijeva da se svaki cilj u segmentu može oporaviti. Zvučni zapisi i anotacije te kod za ocjenjivanje javno su dostupni. TORGO koristi aritmetičku sredinu WER-a po iskazu ograničenu na 100%, a ne objedinjeni WER. Testiranja su provedena 2025-09-17–18, prije revizije iz 2026. Verli i Superwhisper objavljuju proizvode za transkripciju, a autori WhisperKita razvijaju konkurentski sustav.