Transkriberingsverktyg ser likartade ut tills du laddar upp en lång intervju, importerar en månads möten eller behöver redigera en video. En användbar jämförelse visar hur väl varje tjänst passar arbetet, vilka filbegränsningar som gäller och vad hela arbetsflödet kostar.
AccurateScribe, Otter, Sonix, Notta, Descript och Rev erbjuder olika kombinationer av filtranskribering, mötesverktyg, redigering och mänskliga tjänster. Denna recension jämför deras priser, inspelningsgränser, exportalternativ, bearbetningshastighet och underlag om noggrannhet, med samma fråga för varje tjänst: vad får du för det arbete du faktiskt behöver slutföra?
Se videojämförelsen
Se vår 5 minuter långa guide på engelska om lämpliga arbetsflöden, inspelningsgränser, månadskostnader och transkriberingsunderlag. De detaljerade tabellerna, daterade antagandena och originalkällorna finns kvar i artikeln nedan.
Engelsk berättarröst och engelska undertexter · 5:11 · Se på YouTube
AI-genererade illustrationer och syntetisk berättarröst används. Märkta produktbilder och historiska testresultat behåller sin ursprungliga källa och omfattning; detta är inget nytt kontrollerat test av sex produkter.
AccurateScribe
Otter.ai
Sonix
Notta
Descript
Rev
Börja med ditt arbetsflöde
| Produkt | Huvudsakligt användningsområde | Viktig avvägning att kontrollera |
|---|---|---|
| AccurateScribe | Möten, intervjuer, föreläsningar, poddar, videor och annan ljud- och videotranskribering | Fast abonnemang och stöd för långa filer; fullständiga transkriptioner och exporter kräver betald åtkomst |
| Otter | Mötesinspelning och gemensamma mötesanteckningar | Jämför mötesfunktionerna med de separata begränsningarna för importerade filer |
| Sonix | Transkribering av inspelade filer och leverans av undertexter | Både inkluderade timmar och överförbrukning påverkar månadskostnaden |
| Notta | Mötesanteckningar och regelbunden filtranskribering | Pro innehåller 30 timmar/månad, med separata gränser för antal filer och längd |
| Descript | Redigering av poddar eller videor genom en transkription | Värdet beror på om du behöver redigering utöver transkribering |
| Rev | Val mellan AI-transkribering och en mänsklig tjänst | Jämför den exakta tjänsten, språkstödet och den separata prissättningen |
Funktions- och abonnemangsuppgifter: AccurateScribe, Otter, Sonix, Notta, Descript och Rev.
Aktuella priser och de gränser som spelar roll
Priserna nedan är publicerade webbpriser i USD före skatt, kontrollerade 2026-10-17. Månads- och årsbetalning innebär olika åtaganden. De valda abonnemangen visar praktiska alternativ; de är ingen förteckning över alla nivåer eller över de abonnemang som användes i de historiska testerna.
| Produkt och abonnemang | Månadsbetalning | Årsåtagande | Inkluderad kapacitet och viktiga begränsningar |
|---|---|---|---|
| AccurateScribe Unlimited | $19.99 | $119.99/år | Marknadsförd obegränsad transkribering; filer upp till 10 timmar vardera. Källa |
| Otter Pro / Business | $16.99 / $30 per användare | $99.99 / $239.88 per användare/år | Pro: 1,200 minuter/månad, 10 importer/månad, 90 minuter/fil. Business: 6,000 importerade minuter/månad, 4 timmar/fil. Abonnemang, Pro årsvis, Business årsvis |
| Sonix Advanced / Pro | $50 / $80 | $550 / $880 per år | Månadsabonnemangen innehåller 20 / 40 timmar; ytterligare timmar kostar $10 vardera. Priser, årsabonnemang |
| Notta Pro / Business | $13.49 / $27.99 per användarplats | $97.99 / $199.99 per användarplats/år | Pro: 1,800 minuter och 100 filer/månad. Business: obegränsad transkriberingstid och 200 filer/användarplats/månad. Priser, abonnemangsuppgifter |
| Descript Hobbyist / Creator | $24 / $35 per redigerare | Angivna motsvarande priser på $16 / $24 per redigerare/månad, fakturerade årsvis | 10 / 30 medietimmar per redigerare/månad; berättigade abonnemang kan köpa ytterligare medietimmar. Källa |
| Rev Essentials AI / Pro AI | $29.99 / $59.99 per användarplats | $305.90 / $575.88 per användarplats/år | 5,000 / 10,000 AI-minuter per person/månad. Essentials omfattar engelska och spanska. Priser, abonnemangsuppgifter |
Läs kapaciteten och filbegränsningarna tillsammans. Ett stort minutsaldo kan ändå vara olämpligt om inspelningarna överskrider längdgränsen per fil eller består av fler filer än abonnemanget tillåter. Ett abonnemang med obegränsad transkribering bör också bedömas tillsammans med filreglerna och leverantörens villkor, i stället för att betraktas som ett löfte om obegränsad bearbetningshastighet.
Hur varje verktyg passar in i jämförelsen
AccurateScribe: ljud- och videotranskribering för vanliga användningsområden
AccurateScribe omvandlar mötesinspelningar, intervjuer, föreläsningar, poddar, videor och annat ljud- eller videoinnehåll till text eller undertexter. Det fasta abonnemanget är relevant för den som regelbundet bearbetar sparade inspelningar och vill ha en förutsägbar kostnad. Kontrollera filernas längdgränser och de format du behöver leverera. Exportmenyn omfattar dokument, undertexter, kalkylblad, strukturerade data och filer för överföring till redigeringsprogram; formattabellen nedan anger alternativen. Produktöversikt
Kostnadsfri åtkomst ger en förhandsvisning av en del av transkriptionen. Fullständiga transkriptioner och alla exportalternativ kräver abonnemang, vilket påverkar hur stor del av ett komplett intervju- eller undertextflöde du kan utvärdera innan du betalar. Åtkomstuppgifter
Otter: jämför mötesanvändning med filimport
Otter hör hemma bland alternativen för möten, men importreglerna förtjänar uppmärksamhet när arbetet börjar med filer. Pro kombinerar en månatlig minutkvot med en filantalsgräns och en längdgräns per fil. Exempelvis tillåter 10 importer på 90 minuter vardera högst 900 importerade minuter, trots att den totala månadskvoten är 1,200 minuter. Dessa gränser gäller tillsammans. Business utökar kapaciteten för filimport, men dess obegränsade kvot för möten/appinspelningar tar inte bort månadsgränsen på 6,000 minuter för importerade filer. Jämförelse av Otters abonnemang
För leverans stöder Basic textexport som TXT; betalda abonnemang lägger till alternativ som DOCX, PDF och SRT. Om en kund behöver ett formaterat dokument bör exportkravet ingå när du jämför gratis- och betalnivåerna. Otters exportdokumentation
Sonix: beräkna inkluderade timmar och överförbrukning tillsammans
Sonix erbjuder transkribering efter förbrukning för $10 per timme och abonnemang med inkluderade timmar. Betalning efter förbrukning kan passa oregelbunden användning; ett abonnemang kan bli billigare vid en jämn volym. Skillnaden spelar roll eftersom det lämpligaste abonnemanget kan ändras när arbetsmängden växer. Transkribering och översättning delar tidskvot, så översättning av resultatet kan ändra budgeten. Sonix pris- och funktionsuppgifter
Uppladdningsguiden tillåter normalt filer upp till 8 timmar och 16 GB, beroende på kontots behörigheter. Lagringsgränserna är separata. Sonix dokumenterar också export till DOCX, TXT, PDF, SRT och VTT, vilket gör det önskade överlämningsformatet till en konkret kontrollpunkt. Uppladdningsgränser, exportalternativ
Notta: en omfattande Pro-kvot med separata filregler
Nottas Pro-kvot motsvarar 30 ljudtimmar per månad, vilket gör det värt att jämföra för regelbunden användning inom den gränsen. Business ändrar modellen till obegränsad transkriberingstid per användarplats, samtidigt som en månatlig filkvot behålls. Det är olika begränsningar: bearbetning av långa intervjuer och import av många korta klipp kan leda till olika abonnemangsval. Nottas priser, förklaring av abonnemang
Importdokumentationen tillåter ljudfiler upp till 1 GB och videor upp till 10 GB. Filerna kan vara upp till 5 timmar utan talaridentifiering, eller 3 timmar när den är aktiverad. Pro och högre abonnemang stöder nedladdning av transkriptioner i bland annat TXT, DOCX, PDF och SRT. Kontrollera talarinställningen innan du antar att en lång inspelning ryms. Importregler, nedladdningsformat
Descript: utvärdera redigeringsflödet utöver transkriberingen
Descript är ett annat slags köp när transkriptionen ingår i redigeringen av en podd eller video. Kvoten för medieminuter omfattar importerade eller inspelade medier, inte bara textgenerering. Uppladdning av flera resurser kan därför förbruka mer av kvoten än speltiden för ett färdigt avsnitt. AI-krediter är en separat resurs, så en kostnadsjämförelse som bara gäller transkribering täcker inte alla redigerings- eller genereringsfunktioner. Descripts användningsregler
Creator och Business kan köpa ytterligare medietimmar. Descript stöder också dokumentinriktad export av transkriptioner och SRT/VTT-undertexter. Om du redan har ett abonnemang för redigering bör du jämföra den extra mediekapacitet du behöver innan du antar att ännu ett transkriberingsabonnemang automatiskt ger en besparing. Påfyllningar, transkriptionsexport, undertextexport
Rev: skilj AI från mänskliga tjänster
Rev är relevant att undersöka när du vill välja mellan automatiserat resultat och en separat prissatt mänsklig tjänst. Essentials AI innehåller 5,000 minuter per person och månad för engelska och spanska; Pro höjer kvoten och stöder fler språk. För ett språk utanför Essentials bör du jämföra det relevanta abonnemang som stöder språket, i stället för dess lägre annonserade pris. Revs abonnemang
Det angivna priset för mänsklig transkribering är $1.99 per minut, en annan kostnadsstruktur än AI-abonnemang. En inspelning på 60 minuter skulle börja på $119.40 före eventuella tillägg eller avrundningsregler. Beräkningen är användbar för budgetering, men påståenden om mänskliga tjänster ska aldrig användas som noggrannhetspoäng för Revs automatiserade produkt. Revs priser
Transkriberingshastighet och noggrannhet
Bearbetningshastighet och igenkänningsnoggrannhet besvarar olika frågor. Inspelningar, bedömningsregler och tidsmätningsgränser skiljer sig mellan studierna nedan, så resultaten utgör ingen gemensam rangordning.
Jämförelse av transkriberingstid med ljudlängd och källor
Tiderna nedan omfattar uppladdning plus transkribering där det anges. RJI:s tre poster använder samma intervju; övriga observationer gäller sina egna inspelningar.
| Produkt / observation | Ljudets eller videons längd | Rapporterad bearbetningstid | Tidsmätningsgräns | Källa och datum |
|---|---|---|---|---|
| AccurateScribe | 25 minuter | 10 sekunder | Uppladdning plus transkribering | Testprotokoll; kördatum 2024-01-15 |
| Sonix | 25 minuter | 2 minuter 56 sekunder | Uppladdning plus transkribering | Emily Lytle, RJI, 2023-02-15. Artikel |
| Rev | 25 minuter | 4 minuter 31 sekunder | Uppladdning plus transkribering | Emily Lytle, RJI, 2023-02-15. Artikel |
| Otter | 25 minuter | 6 minuter 19 sekunder | Uppladdning plus transkribering | Emily Lytle, RJI, 2023-02-15. Artikel |
| Rev AI, separat exempel | 6 minuter | Cirka 40 sekunder | Exakt start och slut anges inte | Miguel Rebelo, Zapier, 2026-04-02. Recension |
| Notta | Ingen källbelagd tid används | — | — | Inget tidsresultat ingår |
| Descript | Ingen källbelagd tid används | — | — | Inget tidsresultat ingår |
RJI:s värden är avskrivna från dess ursprungliga tidsdiagram; de utesluter mänsklig korrigering. Abonnemang, nätverksförhållanden och upprepade körningar anges inte fullständigt. Zapier uppger att vissa recensionslänkar kan ge provision; exemplets inspelning, fullständiga resultat och exakt testat abonnemang är inte publicerade. Ett streck betyder att inget resultat ingår, inte att tiden är noll.
Vad noggrannhetsresultaten visar
Willem Maas intervjustudie från Growth Velocity, publicerad 2023-08-08, rapporterar resultat mot 1,199 referensord från en timslång B2B-intervju; de exakta bedömda avsnitten anges inte. Den citerade forskningen och testerna av kompletta produkter mäter olika omfattningar. Intervjustudie
| Produkt / post | Rapporterad noggrannhet och typ av underlag | Ursprunglig testomfattning | Författare, datum och källa |
|---|---|---|---|
| AccurateScribe — produkttest | Median-WER per fil: 5.26% batch / 6.84% strömning | 2,703 filer / 81.69 timmar | Produkttestresultat som testaren tillhandahållit. Testkälla |
| Sonix Standard, betalning efter förbrukning | Historisk intervju-WER 3.1% | 37 ordfel / 1,199 referensord | Willem Maas, Growth Velocity, 2023-08-08. Ursprungligt test |
| Rev Max AI | Historisk intervju-WER 4.8% | 58 ordfel / 1,199 referensord | Willem Maas, Growth Velocity, 2023-08-08. Ursprungligt test |
| Otter Pro | Historisk intervju-WER 6.3% | 75 ordfel / 1,199 referensord | Willem Maas, Growth Velocity, 2023-08-08. Ursprungligt test |
Källa för AccurateScribes produkttest: Urvalets omfattning och WER-värdena i denna rad lämnades och bekräftades av testaren för denna recension.
I det intervjutestet hade Sonix lägre WER än Rev och Otter. För dina egna inspelningar bör du kontrollera namn, siffror, överlappande tal och bakgrundsljud, samt hur mycket korrigering som krävs innan transkriptionen kan användas.
Vad 10, 50 och 100 ljudtimmar kan kosta per månad
Följande uppskattningar tillämpar publicerade månadspriser på transkribering av engelska inspelade filer för en debiterad användare eller redigerare. De utesluter skatt, översättning, extra AI-generering och mänsklig redigering. Varje inspelning måste följa abonnemangets fil- och lagringsregler. Tabellen visar uppskattningar för specifika abonnemangskombinationer; faktiska avgifter beror på köpta användarplatser och alternativ.
| Produkt | 10 timmar/månad | 50 timmar/månad | 100 timmar/månad | Grund |
|---|---|---|---|---|
| AccurateScribe | $19.99 | $19.99 | $19.99 | Publicerat månadsabonnemang Unlimited |
| Otter | $16.99 | $30.00 | $30.00 | Pro för 10 timmar inom importgränserna; Business för större volymer |
| Sonix | $50.00 | $180.00 | $680.00 | Advanced för 10 timmar; Pro plus $10/timme för överförbrukning därefter |
| Notta, per debiterad användarplats | $13.49 | $27.99 | $27.99 | Pro för 10 timmar; Business för 50/100 timmar, upp till 200 filer per användarplats/månad |
| Descript | $24.00 | $115.00 | $265.00 | Hobbyist för 10 timmar; Creator plus mediepåfyllningar för större volymer |
| Rev AI | $29.99 | $29.99 | $59.99 | Essentials för 10/50 timmar; Pro för 100 timmar |
Källor: AccurateScribe, Otter, Sonix, Notta, Descript och dess mediepåfyllningar, samt Rev. Nottas siffror gäller per debiterad användarplats. Multiplicera Business-priset med antalet köpta platser; filkvoterna gäller också per plats.
Två exempel visar hur uppskattningarna fungerar. Sonix Pro vid 100 timmar blir $80 + (100 − 40) × $10 = $680. Descript Creator vid 50 timmar blir $35 + ett extra paket på 20 timmar för $80 = $115. Vid 100 timmar ger tillägg av paket på 50 timmar och 20 timmar $35 + $150 + $80 = $265. Descripts dokumentation om påfyllningar anger dessa paketpriser; detta är ett scenario baserat på Creator, inget påstående om att ingen annan abonnemangskombination kan vara bättre.
Anpassa beräkningen efter dina filer. Otter Pros gräns på 10 importer spelar roll även under minutkvoten, och 100 timmar förbrukar hela kvoten för importerade minuter i Business. Befintliga abonnemang ändrar också beslutet: ett extra mediepaket kan kosta mindre än ett andra verktyg. Slutligen ingår inte tiden du lägger på att kontrollera citat, namn eller undertexttider i programvarupriset.
Dokument och undertexter kräver olika kontroller
För en skriven intervju bör du kontrollera att talaretiketter, styckebrytningar och korrigerad text följer med vid export. För undertexter bör du kontrollera önskad filtyp och spela upp det exporterade spåret mot videon. En transkription kan vara lättläst men ändå behöva ändrad undertexttiming eller segmentering. Att ett exportformat finns visar att alternativet existerar; det mäter inte kvaliteten på ett visst resultat.
| Produkt | Relevanta exportalternativ för dokument, undertexter och data |
|---|---|
| AccurateScribe | DOCX, PDF, TXT, SRT, VTT, STL, EDL, XML, CSV, XLSX, HTML, JSON, FCPXML. Alternativ i exportmenyn; hjälp om vanliga format. |
| Otter | TXT; betalda abonnemang lägger till DOCX, PDF och SRT. Hjälp |
| Sonix | TXT, DOCX, PDF, SRT, VTT. Hjälp |
| Notta | Betalda transkriptionsnedladdningar omfattar TXT, DOCX, PDF, SRT och XLSX. Hjälp |
| Descript | TXT, DOCX och andra textformat; SRT/VTT-undertexter. Text, undertexter |
| Rev AI | DOCX, PDF, TXT, SRT, VTT. Hjälp |
Rev skiljer uttryckligen mellan undertextfiler som exporteras från en AI-transkription och en separat beställning av AI Captions. Om undertexter är slutleveransen bör du jämföra det faktiska undertextflödet i stället för att anta att varje väg ger samma redigerbara resultat. Revs vägledning om filformat
Vilket verktyg bör du prova först?
För ljud- och videotranskribering bör du jämföra AccurateScribes fasta abonnemang, Sonix modell med inkluderade timmar och överförbrukning, samt Notta Pro om arbetsmängden ryms inom dess månadskvot på 30 timmar och filregler. För möten kan alternativen omfatta AccurateScribe, Otter och Notta; jämför också inspelningsfunktioner och gemensamma anteckningar om de ingår i ditt arbetsflöde. Descript är relevant när du behöver podd- eller videoredigering. Rev tillför ett separat prissatt mänskligt tjänstealternativ vid sidan av AI-abonnemangen.
Bearbeta sedan en representativ inspelning med dina två främsta kandidater. Ta med ett avsnitt med namn eller siffror, ett talarbyte och den typ av bakgrundsljud du vanligtvis möter. Korrigera resultatet till önskad standard och öppna den exporterade filen i målprogrammet. Den fullständiga uppgiften säger mer om lämpligheten än en isolerad annonserad noggrannhetsprocent.
Vanliga frågor
Vilket transkriberingsverktyg är mest noggrant?
De tillgängliga offentliga testerna använder olika inspelningar och bedömningsmetoder, så de fastställer ingen ledare i noggrannhet bland dessa sex verktyg. För att jämföra AccurateScribe med övriga kandidater bör du testa samma representativa inspelning och bedöma varje transkription mot samma referenstext.
Betyder obegränsad transkribering att det inte finns några begränsningar?
Nej. Kontrollera hur leverantören definierar kvoten samt fillängd, filantal, lagring och exportåtkomst. En möteskvot kan skilja sig från en filimportkvot, och en kostnadsfri förhandsvisning kan skilja sig från åtkomst till en fullständig transkription. Dessa skillnader kan ändra vilket abonnemang som faktiskt täcker uppgiften.
Kan en transkription användas direkt som undertexter?
Först efter kontroll av önskat format, timing och segmentering. Välj ett abonnemang med det exportalternativ du behöver och granska undertexterna mot videon. Ett läsbart dokument och ett publicerbart undertextspår är olika leveranser.
Att göra valet
Välj de två tjänster som bäst passar arbetsflödet och jämför dem sedan med samma inspelning. Kontrollera transkriptionen, korrigeringstiden, den exporterade filen och totalkostnaden vid din förväntade volym. Det bättre valet är det som ger en godtagbar leverans med minst total arbetsinsats och en förutsägbar kostnad.
Testanteckningar och källor
Produktinformation och abonnemangsvillkor kontrollerades 2026-10-17. Kostnadsscenarierna använder abonnemangskombinationerna och antagandena ovan. Prestandastudierna behåller sina författare, datum och ursprungliga länkar. Filmedianer, korpus-WER, semantiska fel och mått på uppgiftsframgång använder olika bedömningsmetoder och bör läsas inom respektive studies omfattning.
Vidare läsning om igenkänningsnoggrannhet och latens
Noggrannhet för olika inspelningstyper
| AccurateScribe referensmått | Rapporterat benchmarkvärde i den citerade forskningen | Inspelnings- och bedömningsomfattning | Ursprunglig författare, datum och källa |
|---|---|---|---|
| Allmän engelsk WER-referens | AA-WER 5.2% | Cirka 8 timmar / 3 dataset; AA-WER v2.0 | Artificial Analysis, ögonblicksbild kontrollerad 2026-10-17. Resultat |
| WER-referenser för tydligt tal och resultatpresentationer | 2.50% LibriSpeech; 16.13% Earnings-22; 2.94% SPGISpeech | Korpus-WER; SPGISpeech-urval: 1,200 klipp / 3.05 timmar | Verli, bedömt 2026-07-16 / 2026-07-17. Benchmark |
| WER-referens för blandade dataset | Makrogenomsnitt 10.1% | 8 lika viktade dataset; total utvärderad längd anges inte | Superwhisper, uppdaterad 2026-09-03. Resultat |
| Semantisk WER-referens | Medelvärde 1.32%; sammanslaget 1.37% | 1,000 exempel; LLM-stödd semantisk bedömning, inte vanlig WER baserad på ordredigering | Pipecats underhållare, ögonblicksbild kontrollerad 2026-10-17. Resultat |
| WER-referens för bekräftad strömmande text | Cirka 2% | TIMIT; faktiskt utvärderat antal och faktisk längd anges inte | Atila Orhon med flera, v1, 2025-07-14. Forskningsartikel |
Genomströmning och strömningslatens
| AccurateScribe mått / underlag | Ljudlängd eller urvalsomfattning | Rapporterat värde | Tidsdefinition och källa |
|---|---|---|---|
| Publicerad genomströmningsreferens | Ljud på 10 minuter | Hastighetsfaktor 610.0× | Rullande 7-dagars genomströmning i den citerade studien, inte väntetid för hela produkten. Artificial Analysis, kontrollerad 2026-10-17. Resultat |
| Svarstid för inspelade filer, forskningsreferens | 40 korta klipp; total längd anges inte | Median 0.51 sekunder; P90 0.96 sekunder | Från begäran till fullständig transkription; Verli, 2026-07-17. Benchmark |
| Svarstid för diktering, forskningsreferens | Klipp på 8–15 sekunder | Median 0.66 sekunder | Från talets slut till färdig text; Superwhisper, uppdaterad 2026-09-03. Resultat, metod |
| Fördröjning för sista strömningssegmentet, forskningsreferens | 1,000 exempel; total längd anges inte | Median 247 ms; P95 298 ms; P99 326 ms | Från talets slut till slutligt segment; Pipecats underhållare, kontrollerat 2026-10-17. Resultat |
| Strömningsfördröjning per ord, forskningsreferens | TIMIT; utvärderad längd anges inte | Medelvärde för preliminär text 0.83 sekunder; bekräftad text cirka 1.7 sekunder | Fördröjning på ordnivå; Atila Orhon med flera, v1, 2025-07-14. Forskningsartikel |
Språk och svårtolkat tal
| AccurateScribe forskningsreferensfall | Inspelningens omfattning | Rapporterat studieresultat | Ursprunglig författare, datum och källa |
|---|---|---|---|
| Engelska och ryska röstmemon | 8 behållna exempel per språk / 3 körningar; stresstestexempel för siffror/namn uteslutna; smart_format=true; total längd anges inte | WER med uttryckligt språkval: engelska 20.9%, ryska 24.0%; WER i flerspråkigt läge: engelska 17.9%, ryska 21.5% | Smolevich, testkörningar 2026-08. Rapport |
| Flerspråkigt tal i banksamtal | 4,270 yttranden / 5.1 timmar, 250 samtal med manusbaserade scenarier, 5 språkområden | Engelsk WER 5.4%; vietnamesisk WER 24.7%; makro-UER över språkområden 32.6% | Andrea Li och Soham Ray, ögonblicksbild 2026-04. Sierra-studie |
| Återvinning av strukturerade värden | 300 scenarier upplästa av människor / 5.59 timmar / 85 talare | Batch: WER 8.2%, CTEM 90.9%, TSR 68.7%; strömning: WER 9.3%, CTEM 88.9%, TSR 61.7% | Tyler Baumgartner med flera, forskning finansierad av Besimple AI, v2, 2026-09-12. Forskningsartikel |
| Dysartriskt tal | TORGO; 8 talare / 732 yttranden; utvärderad längd anges inte | Lindrig WER 2.77%; måttlig 21.83%; svår 64.00% | Ali Alsayegh och Tariq Masood, v2 reviderad 2026-08-20. Forskningsartikel |
De citerade forskningsresultaten är inte utbytbara poäng. Pipecat utesluter saknade transkriptioner ur WER-nämnaren och rapporterar en transkriptionsreturgrad på 99.8%; dess ljud och referenser är offentliga. Smolevichs siffror från små urval rapporteras av författaren; de privata röstmemonen är inte offentliga. MU-Bench använder LLM-normaliserade transkriptioner och lika viktning mellan språkområden; UER räknar yttranden med betydelseförändrande fel. Sierras ljud och etiketter är offentliga.
VoiceCodeBenchs scenarier är syntetiska och upplästa av människor, och dess WER är formatoberoende. CTEM mäter entiteter som kan återvinnas; TSR kräver att varje målvärde i ett segment kan återvinnas. Ljud och annoteringar och bedömningskod är offentliga. TORGO använder genomsnittlig WER per yttrande med ett tak på 100%, inte sammanslagen WER. Testkörningarna genomfördes 2025-09-17–18, före revideringen 2026. Verli och Superwhisper ger ut transkriberingsprodukter, och författarna bakom WhisperKit utvecklar ett konkurrerande system.