เครื่องมือถอดเสียงดูคล้ายกันจนกระทั่งคุณอัปโหลดบทสัมภาษณ์ยาว นำเข้าการประชุมทั้งเดือน หรือต้องแก้ไขวิดีโอ การเปรียบเทียบที่มีประโยชน์คือแต่ละบริการเหมาะกับงานเหล่านั้นเพียงใด มีข้อจำกัดไฟล์อะไรบ้าง และกระบวนการทั้งหมดมีค่าใช้จ่ายเท่าไร
AccurateScribe, Otter, Sonix, Notta, Descript และ Rev ผสานการถอดเสียงจากไฟล์ เครื่องมือประชุม การแก้ไข และบริการจากมนุษย์ต่างกัน รีวิวนี้เปรียบเทียบราคา ข้อจำกัดของไฟล์บันทึก การส่งออก ความเร็วประมวลผล และหลักฐานความแม่นยำ โดยถามเหมือนกันทุกบริการว่า คุณได้อะไรสำหรับงานที่ต้องทำให้เสร็จจริง?
ชมวิดีโอเปรียบเทียบ
ชมคู่มือภาษาอังกฤษความยาว 5 นาทีของเราเกี่ยวกับความเหมาะสมกับงาน ข้อจำกัดไฟล์บันทึก ค่าแพ็กเกจรายเดือน และหลักฐานการถอดเสียง ตารางละเอียด สมมติฐานพร้อมวันที่ และแหล่งต้นฉบับอยู่ในบทความด้านล่าง
เสียงบรรยายและคำบรรยายภาษาอังกฤษ · 5:11 · ชมบน YouTube
ใช้ภาพประกอบที่สร้างด้วย AI และเสียงบรรยายสังเคราะห์ ภาพผลิตภัณฑ์และผลทดสอบย้อนหลังที่มีป้ายกำกับยังคงแหล่งที่มาและขอบเขตเดิม นี่ไม่ใช่การทดสอบหกผลิตภัณฑ์แบบควบคุมครั้งใหม่
AccurateScribe
Otter.ai
Sonix
Notta
Descript
Rev
เริ่มจากขั้นตอนการทำงานของคุณ
| ผลิตภัณฑ์ | การใช้งานหลัก | ข้อแลกเปลี่ยนหลักที่ควรตรวจสอบ |
|---|---|---|
| AccurateScribe | การถอดเสียงการประชุม สัมภาษณ์ บรรยาย พอดแคสต์ วิดีโอ และเสียง/วิดีโออื่น | ค่าสมาชิกคงที่และรองรับไฟล์ยาว ต้องชำระเงินเพื่อเข้าถึงข้อความถอดเสียงฉบับเต็มและการส่งออก |
| Otter | บันทึกการประชุมและแบ่งปันบันทึกย่อการประชุม | เปรียบเทียบฟีเจอร์ประชุมกับข้อจำกัดไฟล์นำเข้าที่แยกต่างหาก |
| Sonix | ถอดเสียงไฟล์บันทึกและส่งมอบคำบรรยาย | ทั้งชั่วโมงที่รวมไว้และส่วนเกินมีผลต่อค่าใช้จ่ายรายเดือน |
| Notta | บันทึกย่อการประชุมและการถอดเสียงจากไฟล์เป็นประจำ | Pro รวม 30 ชั่วโมง/เดือน พร้อมข้อจำกัดจำนวนไฟล์และระยะเวลาแยกต่างหาก |
| Descript | แก้ไขพอดแคสต์หรือวิดีโอผ่านข้อความถอดเสียง | ความคุ้มค่าขึ้นอยู่กับว่าต้องใช้การแก้ไขควบคู่กับการถอดเสียงหรือไม่ |
| Rev | เลือกระหว่างการถอดเสียงด้วย AI กับบริการจากมนุษย์ | เปรียบเทียบบริการที่เจาะจง ภาษาที่รองรับ และราคาที่แยกกัน |
รายละเอียดฟีเจอร์และแพ็กเกจ: AccurateScribe, Otter, Sonix, Notta, Descript และ Rev.
ราคาปัจจุบันและข้อจำกัดที่สำคัญ
ราคาด้านล่างเป็นราคาเว็บที่เผยแพร่ในสกุล USD ก่อนภาษี ตรวจสอบเมื่อ 2026-10-17 การเรียกเก็บรายเดือนและรายปีมีภาระผูกพันต่างกัน แพ็กเกจที่เลือกเป็นตัวอย่างทางเลือกที่ใช้ได้จริง ไม่ใช่รายการทุกระดับหรือบันทึกแพ็กเกจที่ใช้ในการทดสอบย้อนหลัง
| ผลิตภัณฑ์และแพ็กเกจ | เรียกเก็บรายเดือน | ผูกพันรายปี | โควตาที่รวมไว้และข้อจำกัดสำคัญ |
|---|---|---|---|
| AccurateScribe Unlimited | $19.99 | $119.99/ปี | โฆษณาว่าถอดเสียงไม่จำกัด ไฟล์ยาวได้สูงสุด 10 ชั่วโมงต่อไฟล์ แหล่งข้อมูล |
| Otter Pro / Business | $16.99 / $30 ต่อผู้ใช้ | $99.99 / $239.88 ต่อผู้ใช้/ปี | Pro: 1,200 นาที/เดือน นำเข้า 10 ครั้ง/เดือน 90 นาที/ไฟล์ Business: นาทีไฟล์นำเข้า 6,000 นาที/เดือน 4 ชั่วโมง/ไฟล์ แพ็กเกจ, Pro รายปี, Business รายปี |
| Sonix Advanced / Pro | $50 / $80 | $550 / $880 ต่อปี | แพ็กเกจรายเดือนรวม 20 / 40 ชั่วโมง ชั่วโมงเพิ่มเติมมีราคา $10 ต่อชั่วโมง ราคา, แพ็กเกจรายปี |
| Notta Pro / Business | $13.49 / $27.99 ต่อที่นั่ง | $97.99 / $199.99 ต่อที่นั่ง/ปี | Pro: 1,800 นาทีและ 100 ไฟล์/เดือน Business: เวลาถอดเสียงไม่จำกัดและ 200 ไฟล์/ที่นั่ง/เดือน ราคา, รายละเอียดแพ็กเกจ |
| Descript Hobbyist / Creator | $24 / $35 ต่อผู้แก้ไข | ระบุราคาเทียบเท่า $16 / $24 ต่อผู้แก้ไข/เดือน โดยเรียกเก็บรายปี | สื่อ 10 / 30 ชั่วโมงต่อผู้แก้ไข/เดือน แพ็กเกจที่มีสิทธิ์ซื้อชั่วโมงสื่อเพิ่มเติมได้ แหล่งข้อมูล |
| Rev Essentials AI / Pro AI | $29.99 / $59.99 ต่อที่นั่ง | $305.90 / $575.88 ต่อที่นั่ง/ปี | นาที AI 5,000 / 10,000 นาทีต่อคน/เดือน Essentials รองรับภาษาอังกฤษและสเปน ราคา, รายละเอียดแพ็กเกจ |
อ่านโควตาควบคู่กับข้อจำกัดไฟล์ แม้มีนาทีมากก็อาจไม่เหมาะ หากไฟล์บันทึกยาวเกินข้อจำกัดต่อไฟล์ หรือมีจำนวนไฟล์มากกว่าที่แพ็กเกจอนุญาต เช่นเดียวกัน ควรประเมินแพ็กเกจถอดเสียงไม่จำกัดร่วมกับกฎไฟล์และเงื่อนไขผู้ให้บริการ แทนการถือว่าเป็นคำสัญญาว่าความเร็วประมวลผลไม่จำกัด
แต่ละเครื่องมืออยู่ตรงไหนในการเปรียบเทียบ
AccurateScribe: ถอดเสียงและวิดีโอสำหรับการใช้งานทั่วไป
AccurateScribe แปลงไฟล์บันทึกการประชุม สัมภาษณ์ บรรยาย พอดแคสต์ วิดีโอ และเนื้อหาเสียงหรือวิดีโออื่นเป็นข้อความหรือคำบรรยาย ค่าสมาชิกคงที่เหมาะกับผู้ที่ประมวลผลไฟล์บันทึกเป็นประจำและต้องการค่าใช้จ่ายที่คาดการณ์ได้ ตรวจสอบข้อจำกัดระยะเวลาไฟล์และรูปแบบที่ต้องส่งมอบ เมนูส่งออกครอบคลุมเอกสาร คำบรรยาย สเปรดชีต ข้อมูลมีโครงสร้าง และไฟล์แลกเปลี่ยนงานตัดต่อ ตารางรูปแบบด้านล่างแสดงตัวเลือกไว้ ภาพรวมผลิตภัณฑ์
การใช้งานฟรีให้ดูข้อความถอดเสียงตัวอย่างบางส่วน ต้องสมัครสมาชิกเพื่อเข้าถึงฉบับเต็มและตัวเลือกส่งออกทั้งหมด ซึ่งมีผลต่อการประเมินกระบวนการสัมภาษณ์หรือคำบรรยายแบบครบถ้วนก่อนจ่ายเงิน รายละเอียดการเข้าถึง
Otter: เปรียบเทียบการใช้ประชุมกับการนำเข้าไฟล์
Otter ควรอยู่ในตัวเลือกสำหรับงานประชุม แต่ควรใส่ใจกฎนำเข้าเมื่องานเริ่มจากไฟล์ Pro รวมโควตานาทีรายเดือนกับข้อจำกัดจำนวนไฟล์และระยะเวลาต่อไฟล์ ตัวอย่างเช่น การนำเข้า 10 ครั้ง ครั้งละ 90 นาที ทำให้นำเข้าได้มากสุด 900 นาที แม้โควตารายเดือนรวมจะเป็น 1,200 นาที ข้อจำกัดเหล่านี้ใช้พร้อมกัน Business เพิ่มความจุนำเข้าไฟล์ แต่โควตาประชุม/บันทึกผ่านแอปไม่จำกัดไม่ได้ยกเลิกข้อจำกัดไฟล์นำเข้า 6,000 นาทีต่อเดือน เปรียบเทียบแพ็กเกจ Otter
สำหรับการส่งมอบ Basic รองรับการส่งออกข้อความเป็น TXT แพ็กเกจแบบชำระเงินเพิ่มตัวเลือก เช่น DOCX, PDF และ SRT หากลูกค้าต้องการเอกสารจัดรูปแบบ ให้รวมความต้องการส่งออกไว้ในการเปรียบเทียบระดับฟรีกับชำระเงิน เอกสารการส่งออกของ Otter
Sonix: คำนวณชั่วโมงที่รวมไว้กับส่วนเกินร่วมกัน
Sonix มีการถอดเสียงแบบจ่ายตามใช้ที่ $10 ต่อชั่วโมง และแพ็กเกจสมาชิกที่รวมชั่วโมงไว้ การจ่ายตามใช้อาจเหมาะกับการใช้งานไม่สม่ำเสมอ ส่วนสมาชิกอาจถูกกว่าสำหรับปริมาณคงที่ ความต่างนี้สำคัญเพราะแพ็กเกจที่เหมาะที่สุดอาจเปลี่ยนเมื่องานเพิ่ม การถอดเสียงกับการแปลใช้โควตาเวลาร่วมกัน ดังนั้นการแปลผลลัพธ์อาจเปลี่ยนงบประมาณ รายละเอียดราคาและฟีเจอร์ Sonix
แนวทางอัปโหลดโดยทั่วไปรองรับไฟล์สูงสุด 8 ชั่วโมงและ 16 GB โดยขึ้นกับสิทธิ์บัญชี ข้อจำกัดพื้นที่เก็บข้อมูลแยกต่างหาก Sonix ยังระบุการส่งออก DOCX, TXT, PDF, SRT และ VTT จึงควรตรวจสอบรูปแบบส่งมอบที่ต้องใช้ให้ชัดเจน ข้อจำกัดอัปโหลด, ตัวเลือกส่งออก
Notta: โควตา Pro ค่อนข้างมาก พร้อมกฎไฟล์แยกต่างหาก
โควตา Pro ของ Notta เท่ากับเสียง 30 ชั่วโมงต่อเดือน จึงน่าเปรียบเทียบสำหรับการใช้งานประจำภายในขอบเขตนั้น Business เปลี่ยนเป็นเวลาถอดเสียงไม่จำกัดต่อที่นั่ง แต่ยังคงโควตาไฟล์รายเดือน นี่เป็นข้อจำกัดคนละแบบ: การประมวลผลบทสัมภาษณ์ยาวกับการนำเข้าคลิปสั้นจำนวนมากอาจนำไปสู่การเลือกแพ็กเกจต่างกัน ราคา Notta, คำอธิบายแพ็กเกจ
เอกสารนำเข้าอนุญาตไฟล์เสียงสูงสุด 1 GB และวิดีโอสูงสุด 10 GB ไฟล์ยาวได้สูงสุด 5 ชั่วโมงเมื่อไม่ใช้การรู้จำผู้พูด หรือ 3 ชั่วโมงเมื่อเปิดใช้ Pro ขึ้นไปรองรับการดาวน์โหลดข้อความถอดเสียง รวม TXT, DOCX, PDF และ SRT ตรวจการตั้งค่าผู้พูดก่อนสมมติว่าไฟล์บันทึกยาวจะอยู่ในข้อจำกัด กฎนำเข้า, รูปแบบดาวน์โหลด
Descript: ประเมินกระบวนการแก้ไขควบคู่กับการถอดเสียง
Descript เป็นการซื้อที่ต่างออกไปเมื่อข้อความถอดเสียงเป็นส่วนหนึ่งของการแก้ไขพอดแคสต์หรือวิดีโอ โควตานาทีสื่อครอบคลุมสื่อที่นำเข้าหรือบันทึก ไม่ใช่เพียงการสร้างข้อความ ดังนั้นการอัปโหลดหลายชิ้นอาจใช้โควตามากกว่าระยะเวลาของตอนที่เสร็จแล้วหนึ่งตอน เครดิต AI เป็นทรัพยากรแยกกัน การเปรียบเทียบค่าใช้จ่ายเฉพาะถอดเสียงจึงไม่ครอบคลุมทุกฟีเจอร์แก้ไขหรือสร้างเนื้อหา กฎการใช้งาน Descript
Creator และ Business ซื้อชั่วโมงสื่อเพิ่มเติมได้ Descript ยังรองรับการส่งออกข้อความถอดเสียงในรูปเอกสารและคำบรรยาย SRT/VTT หากสมัครใช้งานเพื่อตัดต่ออยู่แล้ว ให้เปรียบเทียบโควตาสื่อเพิ่มเติมที่ต้องใช้ก่อนถือว่าการสมัครเครื่องมือถอดเสียงอีกตัวจะประหยัดโดยอัตโนมัติ การเติมโควตา, การส่งออกข้อความถอดเสียง, การส่งออกคำบรรยาย
Rev: แยกบริการ AI กับบริการจากมนุษย์
Rev น่าพิจารณาเมื่อต้องการเลือกระหว่างผลลัพธ์อัตโนมัติกับบริการจากมนุษย์ที่คิดราคาแยก Essentials AI รวม 5,000 นาทีต่อคนต่อเดือนสำหรับภาษาอังกฤษและสเปน Pro เพิ่มโควตาและรองรับภาษาเพิ่มเติม หากใช้ภาษานอก Essentials ให้เปรียบเทียบแพ็กเกจที่รองรับภาษานั้น แทนราคาเริ่มต้นที่ต่ำกว่า แพ็กเกจสมาชิก Rev
ราคาถอดเสียงโดยมนุษย์ที่ระบุคือ $1.99 ต่อนาที ซึ่งมีโครงสร้างค่าใช้จ่ายต่างจากสมาชิก AI ไฟล์บันทึก 60 นาทีจะเริ่มที่ $119.40 ก่อนส่วนเพิ่มหรือกฎปัดเศษที่เกี่ยวข้อง การคำนวณนี้ช่วยจัดงบได้ แต่ไม่ควรนำคำกล่าวอ้างของบริการมนุษย์มาใช้เป็นคะแนนความแม่นยำของผลิตภัณฑ์อัตโนมัติของ Rev ราคา Rev
ความเร็วและความแม่นยำในการถอดเสียง
ความเร็วประมวลผลกับความแม่นยำในการรู้จำตอบคนละคำถาม ไฟล์บันทึก กฎให้คะแนน และขอบเขตการจับเวลาของงานศึกษาด้านล่างต่างกัน ผลลัพธ์จึงไม่ใช่อันดับร่วมชุดเดียว
เปรียบเทียบเวลาถอดเสียงพร้อมความยาวเสียงและแหล่งข้อมูล
เวลาต่อไปนี้รวมอัปโหลดและถอดเสียงในกรณีที่ระบุ รายการสามรายการของ RJI ใช้บทสัมภาษณ์เดียวกัน ส่วนข้อสังเกตอื่นใช้ไฟล์บันทึกของตนเอง
| ผลิตภัณฑ์ / ข้อสังเกต | ระยะเวลาเสียงหรือวิดีโอ | เวลาประมวลผลที่รายงาน | ขอบเขตการจับเวลา | แหล่งข้อมูลและวันที่ |
|---|---|---|---|---|
| AccurateScribe | 25 นาที | 10 วินาที | อัปโหลดรวมถอดเสียง | บันทึกการทดสอบ วันที่ทดสอบ 2024-01-15 |
| Sonix | 25 นาที | 2 นาที 56 วินาที | อัปโหลดรวมถอดเสียง | Emily Lytle, RJI, 2023-02-15. บทความ |
| Rev | 25 นาที | 4 นาที 31 วินาที | อัปโหลดรวมถอดเสียง | Emily Lytle, RJI, 2023-02-15. บทความ |
| Otter | 25 นาที | 6 นาที 19 วินาที | อัปโหลดรวมถอดเสียง | Emily Lytle, RJI, 2023-02-15. บทความ |
| Rev AI ตัวอย่างแยกต่างหาก | 6 นาที | ประมาณ 40 วินาที | ไม่ได้ระบุจุดเริ่มและสิ้นสุดที่แน่นอน | Miguel Rebelo, Zapier, 2026-04-02. รีวิว |
| Notta | ไม่ได้ใช้เวลาจากแหล่งอ้างอิง | — | — | ไม่มีผลการจับเวลารวมไว้ |
| Descript | ไม่ได้ใช้เวลาจากแหล่งอ้างอิง | — | — | ไม่มีผลการจับเวลารวมไว้ |
ค่าของ RJI คัดมาจาก แผนภูมิเวลาต้นฉบับโดยไม่รวมการแก้ไขโดยมนุษย์ ไม่มีรายละเอียดครบถ้วนเรื่องแพ็กเกจ สภาพเครือข่าย และการทดสอบซ้ำ Zapier เปิดเผยว่าลิงก์รีวิวบางลิงก์อาจสร้างค่าคอมมิชชัน ไม่ได้เผยแพร่ไฟล์บันทึก ผลลัพธ์ทั้งหมด หรือแพ็กเกจที่ทดสอบอย่างแน่ชัดของตัวอย่างนั้น เครื่องหมายขีดหมายถึงไม่มีผลลัพธ์รวมไว้ ไม่ใช่ใช้เวลาเป็นศูนย์
ผลความแม่นยำบอกอะไร
งานศึกษาบทสัมภาษณ์ของ Willem Maas จาก Growth Velocity เผยแพร่เมื่อ 2023-08-08 รายงานผลเทียบกับคำอ้างอิง 1,199 คำจากบทสัมภาษณ์ B2B หนึ่งชั่วโมง โดยไม่ได้ระบุขอบเขตช่วงที่ให้คะแนนแน่นอน งานวิจัยที่อ้างอิงกับการทดสอบผลิตภัณฑ์ครบกระบวนการวัดขอบเขตต่างกัน งานศึกษาบทสัมภาษณ์
| ผลิตภัณฑ์ / รายการ | ความแม่นยำที่รายงานและประเภทหลักฐาน | ขอบเขตการทดสอบเดิม | ผู้เขียน วันที่ และแหล่งข้อมูล |
|---|---|---|---|
| AccurateScribe — ทดสอบผลิตภัณฑ์ | มัธยฐาน WER รายไฟล์: 5.26% แบบแบตช์ / 6.84% แบบสตรีมมิง | 2,703 ไฟล์ / 81.69 ชั่วโมง | ผลทดสอบผลิตภัณฑ์ที่ผู้ทดสอบให้มา แหล่งการทดสอบ |
| Sonix Standard จ่ายตามใช้ | WER บทสัมภาษณ์จากการทดสอบย้อนหลัง 3.1% | คำผิด 37 คำ / คำอ้างอิง 1,199 คำ | Willem Maas, Growth Velocity, 2023-08-08. การทดสอบต้นฉบับ |
| Rev Max AI | WER บทสัมภาษณ์จากการทดสอบย้อนหลัง 4.8% | คำผิด 58 คำ / คำอ้างอิง 1,199 คำ | Willem Maas, Growth Velocity, 2023-08-08. การทดสอบต้นฉบับ |
| Otter Pro | WER บทสัมภาษณ์จากการทดสอบย้อนหลัง 6.3% | คำผิด 75 คำ / คำอ้างอิง 1,199 คำ | Willem Maas, Growth Velocity, 2023-08-08. การทดสอบต้นฉบับ |
แหล่งการทดสอบผลิตภัณฑ์ AccurateScribe: ผู้ทดสอบส่งมอบและยืนยันขอบเขตตัวอย่างกับค่า WER ในแถวนี้สำหรับรีวิวนี้
ในการทดสอบบทสัมภาษณ์นั้น Sonix มี WER ต่ำกว่า Rev และ Otter สำหรับไฟล์บันทึกของคุณ ควรตรวจชื่อ ตัวเลข เสียงพูดซ้อน และเสียงรบกวน รวมทั้งปริมาณการแก้ไขก่อนที่ข้อความถอดเสียงจะใช้งานได้
เสียง 10, 50 และ 100 ชั่วโมงอาจมีค่าใช้จ่ายรายเดือนเท่าไร
ค่าประมาณต่อไปนี้ใช้ราคารายเดือนที่เผยแพร่กับการถอดเสียงจากไฟล์บันทึกภาษาอังกฤษสำหรับผู้ใช้หรือผู้แก้ไขที่เรียกเก็บเงินหนึ่งคน ไม่รวมภาษี การแปล ส่วนเพิ่มการสร้างด้วย AI และการแก้ไขโดยมนุษย์ แต่ละไฟล์ต้องอยู่ในกฎไฟล์และพื้นที่เก็บข้อมูลของแพ็กเกจ ตารางเป็นค่าประมาณสำหรับชุดแพ็กเกจที่เจาะจง ค่าใช้จ่ายจริงขึ้นกับที่นั่งและตัวเลือกที่ซื้อ
| ผลิตภัณฑ์ | 10 ชั่วโมง/เดือน | 50 ชั่วโมง/เดือน | 100 ชั่วโมง/เดือน | หลักคำนวณ |
|---|---|---|---|---|
| AccurateScribe | $19.99 | $19.99 | $19.99 | แพ็กเกจ Unlimited รายเดือนที่เผยแพร่ |
| Otter | $16.99 | $30.00 | $30.00 | Pro สำหรับ 10 ชั่วโมงภายในข้อจำกัดนำเข้า Business สำหรับปริมาณมากกว่า |
| Sonix | $50.00 | $180.00 | $680.00 | Advanced สำหรับ 10 ชั่วโมง จากนั้น Pro บวกส่วนเกิน $10/ชั่วโมง |
| Notta ต่อที่นั่งที่เรียกเก็บเงิน | $13.49 | $27.99 | $27.99 | Pro สำหรับ 10 ชั่วโมง Business สำหรับ 50/100 ชั่วโมง สูงสุด 200 ไฟล์ต่อที่นั่ง/เดือน |
| Descript | $24.00 | $115.00 | $265.00 | Hobbyist สำหรับ 10 ชั่วโมง Creator บวกการเติมชั่วโมงสื่อสำหรับปริมาณมากกว่า |
| Rev AI | $29.99 | $29.99 | $59.99 | Essentials สำหรับ 10/50 ชั่วโมง Pro สำหรับ 100 ชั่วโมง |
แหล่งข้อมูล: AccurateScribe, Otter, Sonix, Notta, Descript และ การเติมชั่วโมงสื่อและ Revตัวเลข Notta คิดต่อที่นั่งที่เรียกเก็บเงิน คูณราคา Business ด้วยจำนวนที่นั่งที่ซื้อ โควตาไฟล์ก็ใช้ต่อที่นั่งเช่นกัน
สองตัวอย่างแสดงวิธีคำนวณ Sonix Pro ที่ 100 ชั่วโมงคือ $80 + (100 − 40) × $10 = $680 ส่วน Descript Creator ที่ 50 ชั่วโมงคือ $35 + แพ็กเพิ่ม 20 ชั่วโมงราคา $80 = $115 ที่ 100 ชั่วโมง การเพิ่มแพ็ก 50 ชั่วโมงและ 20 ชั่วโมงให้ผลเป็น $35 + $150 + $80 = $265 โดย เอกสารการเติมโควตาของ Descript ระบุราคาแพ็กเหล่านั้นไว้ นี่เป็นสถานการณ์ที่ใช้ Creator ไม่ได้อ้างว่าไม่มีชุดแพ็กเกจอื่นที่เหมาะกว่า
ปรับการคำนวณให้ตรงกับลักษณะไฟล์ ข้อจำกัดนำเข้า 10 ครั้งของ Otter Pro สำคัญแม้ยังไม่ถึงโควตานาที และ 100 ชั่วโมงใช้โควตานาทีไฟล์นำเข้าของ Business เต็มพอดี สมาชิกที่มีอยู่ก็เปลี่ยนการตัดสินใจได้ แพ็กสื่อเพิ่มอาจถูกกว่าการซื้อเครื่องมืออีกตัว สุดท้าย ราคาซอฟต์แวร์ไม่รวมเวลาที่ใช้ตรวจคำพูดอ้างอิง ชื่อ หรือจังหวะคำบรรยาย
เอกสารกับคำบรรยายต้องตรวจต่างกัน
สำหรับบทสัมภาษณ์เป็นลายลักษณ์อักษร ให้ตรวจว่าป้ายผู้พูด การแบ่งย่อหน้า และข้อความแก้ไขยังคงอยู่หลังส่งออก สำหรับคำบรรยาย ให้ตรวจชนิดไฟล์ที่ต้องการและเล่นแทร็กที่ส่งออกเทียบกับวิดีโอ ข้อความถอดเสียงอาจอ่านดีแต่ยังต้องแก้เวลาหรือการแบ่งช่วงคำบรรยาย การมีรูปแบบส่งออกยืนยันว่ามีตัวเลือกนั้น ไม่ได้วัดคุณภาพผลลัพธ์ใดโดยเฉพาะ
| ผลิตภัณฑ์ | ตัวเลือกส่งออกเอกสาร คำบรรยาย และข้อมูลที่เกี่ยวข้อง |
|---|---|
| AccurateScribe | DOCX, PDF, TXT, SRT, VTT, STL, EDL, XML, CSV, XLSX, HTML, JSON, FCPXML ตัวเลือกในเมนูส่งออก; ความช่วยเหลือเรื่องรูปแบบทั่วไป. |
| Otter | TXT; แพ็กเกจชำระเงินเพิ่ม DOCX, PDF และ SRT ความช่วยเหลือ |
| Sonix | TXT, DOCX, PDF, SRT, VTT. ความช่วยเหลือ |
| Notta | การดาวน์โหลดข้อความถอดเสียงแบบชำระเงินรวม TXT, DOCX, PDF, SRT และ XLSX ความช่วยเหลือ |
| Descript | TXT, DOCX และรูปแบบข้อความอื่น คำบรรยาย SRT/VTT ข้อความ, คำบรรยาย |
| Rev AI | DOCX, PDF, TXT, SRT, VTT. ความช่วยเหลือ |
Rev แยกไฟล์คำบรรยายที่ส่งออกจากข้อความถอดเสียง AI ออกจากคำสั่งซื้อ AI Captions โดยเฉพาะ หากคำบรรยายเป็นสิ่งส่งมอบสุดท้าย ให้เปรียบเทียบขั้นตอนทำคำบรรยายจริง แทนสมมติว่าทุกเส้นทางให้ผลลัพธ์ที่แก้ไขได้เหมือนกัน แนวทางรูปแบบไฟล์ของ Rev
ควรลองเครื่องมือใดก่อน?
สำหรับการถอดเสียงและวิดีโอ ให้เปรียบเทียบสมาชิกคงที่ของ AccurateScribe รูปแบบชั่วโมงรวมและส่วนเกินของ Sonix และ Notta Pro หากปริมาณงานอยู่ในโควตา 30 ชั่วโมงรายเดือนกับกฎไฟล์ สำหรับการประชุม ตัวเลือกอาจรวม AccurateScribe, Otter และ Notta และควรเปรียบเทียบการบันทึกกับการแบ่งปันบันทึกย่อหากเป็นส่วนหนึ่งของงาน Descript เกี่ยวข้องเมื่อต้องแก้ไขพอดแคสต์หรือวิดีโอ ส่วน Rev เพิ่มบริการมนุษย์ที่คิดราคาแยกจากแพ็กเกจ AI
จากนั้นประมวลผลไฟล์บันทึกที่เป็นตัวแทนกับสองตัวเลือกที่เหมาะที่สุด รวมช่วงที่มีชื่อหรือตัวเลข การเปลี่ยนผู้พูด และเสียงพื้นหลังประเภทที่พบเป็นประจำ แก้ผลลัพธ์ให้ได้มาตรฐานที่ต้องการ แล้วเปิดไฟล์ส่งออกในแอปปลายทาง งานที่ครบกระบวนการนี้บอกความเหมาะสมได้มากกว่าเปอร์เซ็นต์ความแม่นยำที่ใช้โฆษณาเพียงอย่างเดียว
คำถามที่พบบ่อย
เครื่องมือถอดเสียงใดแม่นยำที่สุด?
การทดสอบสาธารณะที่มีใช้ไฟล์บันทึกและวิธีให้คะแนนต่างกัน จึงไม่ได้ยืนยันผู้นำด้านความแม่นยำในหกเครื่องมือนี้ หากต้องการเปรียบเทียบ AccurateScribe กับตัวเลือกอื่น ให้ทดสอบไฟล์บันทึกตัวแทนเดียวกันและให้คะแนนข้อความถอดเสียงแต่ละชุดเทียบกับข้อความอ้างอิงเดียวกัน
การถอดเสียงไม่จำกัดหมายความว่าไม่มีข้อจำกัดหรือไม่?
ไม่ใช่ ตรวจวิธีนิยามโควตาของผู้ให้บริการ รวมทั้งระยะเวลาไฟล์ จำนวนไฟล์ พื้นที่เก็บข้อมูล และการเข้าถึงการส่งออก โควตาประชุมอาจต่างจากโควตานำเข้าไฟล์ และตัวอย่างฟรีอาจต่างจากการเข้าถึงข้อความถอดเสียงทั้งหมด ความต่างเหล่านี้เปลี่ยนได้ว่าแพ็กเกจใดครอบคลุมงานจริง
ใช้ข้อความถอดเสียงเป็นคำบรรยายได้ทันทีหรือไม่?
ต้องตรวจรูปแบบ เวลา และการแบ่งช่วงก่อน เลือกแพ็กเกจที่มีตัวเลือกส่งออกที่ต้องใช้ และตรวจคำบรรยายผลลัพธ์เทียบกับวิดีโอ เอกสารที่อ่านรู้เรื่องกับแทร็กคำบรรยายที่พร้อมเผยแพร่เป็นสิ่งส่งมอบคนละอย่าง
การตัดสินใจเลือก
เลือกสองบริการที่เข้ากับงานที่สุด แล้วเปรียบเทียบบนไฟล์บันทึกเดียวกัน ตรวจข้อความถอดเสียง เวลาแก้ไข ไฟล์ส่งออก และต้นทุนรวมตามปริมาณที่คาด ทางเลือกที่ดีกว่าคือบริการที่ให้สิ่งส่งมอบที่ยอมรับได้ด้วยความพยายามรวมน้อยที่สุด และค่าใช้จ่ายที่คาดการณ์ได้
หมายเหตุการทดสอบและแหล่งข้อมูล
ตรวจข้อมูลผลิตภัณฑ์และเงื่อนไขสมาชิกเมื่อ 2026-10-17 สถานการณ์ค่าใช้จ่ายใช้ชุดแพ็กเกจและสมมติฐานด้านบน งานศึกษาประสิทธิภาพยังคงผู้เขียน วันที่ และลิงก์ต้นฉบับไว้ มัธยฐานรายไฟล์ WER ระดับคลังข้อมูล ข้อผิดพลาดทางความหมาย และตัวชี้วัดความสำเร็จของงานใช้วิธีให้คะแนนต่างกัน จึงควรอ่านภายในขอบเขตของแต่ละงานศึกษา
อ่านเพิ่มเติมเรื่องความแม่นยำในการรู้จำและความหน่วง
ความแม่นยำในไฟล์บันทึกประเภทต่าง ๆ
| ตัวชี้วัดอ้างอิงของ AccurateScribe | ค่าเกณฑ์ทดสอบที่รายงานในงานวิจัยที่อ้างอิง | ขอบเขตการบันทึกและการให้คะแนน | ผู้เขียนเดิม วันที่ และแหล่งข้อมูล |
|---|---|---|---|
| ค่า WER อ้างอิงภาษาอังกฤษทั่วไป | AA-WER 5.2% | ประมาณ 8 ชั่วโมง / 3 ชุดข้อมูล; AA-WER v2.0 | Artificial Analysis ตรวจภาพรวมข้อมูลเมื่อ 2026-10-17 ผลลัพธ์ |
| ค่า WER อ้างอิงเสียงพูดชัดและการประชุมรายงานผลประกอบการ | 2.50% LibriSpeech; 16.13% Earnings-22; 2.94% SPGISpeech | WER ระดับคลังข้อมูล; ตัวอย่าง SPGISpeech: 1,200 คลิป / 3.05 ชั่วโมง | Verli ให้คะแนนเมื่อ 2026-07-16 / 2026-07-17 เกณฑ์ทดสอบ |
| ค่า WER อ้างอิงจากชุดข้อมูลผสม | ค่าเฉลี่ยแบบแมโคร 10.1% | 8 ชุดข้อมูลให้น้ำหนักเท่ากัน ไม่ระบุระยะเวลาประเมินรวม | Superwhisper ปรับปรุงเมื่อ 2026-09-03 ผลลัพธ์ |
| ค่า WER เชิงความหมายอ้างอิง | ค่าเฉลี่ย 1.32%; รวมตัวอย่าง 1.37% | 1,000 ตัวอย่าง การให้คะแนนความหมายโดยมี LLM ช่วย ไม่ใช่ WER การแก้คำทั่วไป | ผู้ดูแล Pipecat ตรวจภาพรวมข้อมูลเมื่อ 2026-10-17 ผลลัพธ์ |
| ค่า WER อ้างอิงข้อความสตรีมมิงที่ยืนยันแล้ว | ประมาณ 2% | TIMIT ไม่ระบุจำนวนและระยะเวลาที่ประเมินจริง | Atila Orhon และคณะ, v1, 2025-07-14 บทความวิจัย |
อัตราประมวลผลและความหน่วงสตรีมมิง
| ตัวชี้วัด / หลักฐานของ AccurateScribe | ระยะเวลาเสียงหรือขอบเขตตัวอย่าง | ค่าที่รายงาน | นิยามการจับเวลาและแหล่งข้อมูล |
|---|---|---|---|
| ค่าอัตราประมวลผลอ้างอิงที่เผยแพร่ | เสียง 10 นาที | อัตราส่วนความเร็ว 610.0× | อัตราประมวลผลช่วง 7 วันแบบเลื่อนในงานศึกษาที่อ้างอิง ไม่ใช่เวลารอของผลิตภัณฑ์ครบกระบวนการ Artificial Analysis ตรวจเมื่อ 2026-10-17 ผลลัพธ์ |
| เวลาตอบสนองไฟล์บันทึก ค่าอ้างอิงจากงานวิจัย | 40 คลิปสั้น ไม่ระบุระยะเวลารวม | มัธยฐาน 0.51 วินาที; P90 0.96 วินาที | ตั้งแต่คำขอถึงข้อความถอดเสียงเสร็จสมบูรณ์; Verli, 2026-07-17 เกณฑ์ทดสอบ |
| เวลาตอบสนองการเขียนตามคำบอก ค่าอ้างอิงจากงานวิจัย | คลิปยาว 8–15 วินาที | มัธยฐาน 0.66 วินาที | ตั้งแต่พูดจบถึงข้อความเสร็จ; Superwhisper ปรับปรุงเมื่อ 2026-09-03 ผลลัพธ์, วิธีการ |
| ความหน่วงช่วงสตรีมมิงสุดท้าย ค่าอ้างอิงจากงานวิจัย | 1,000 ตัวอย่าง ไม่ระบุระยะเวลารวม | มัธยฐาน 247 ms; P95 298 ms; P99 326 ms | ตั้งแต่พูดจบถึงช่วงสุดท้าย; ผู้ดูแล Pipecat ตรวจเมื่อ 2026-10-17 ผลลัพธ์ |
| ความหน่วงสตรีมมิงรายคำ ค่าอ้างอิงจากงานวิจัย | TIMIT ไม่ระบุระยะเวลาประเมิน | ค่าระหว่างประมวลผลเฉลี่ย 0.83 วินาที; ข้อความยืนยันแล้วประมาณ 1.7 วินาที | ความหน่วงระดับคำ; Atila Orhon และคณะ, v1, 2025-07-14 บทความวิจัย |
ภาษาและเสียงพูดที่ยาก
| กรณีอ้างอิงงานวิจัยของ AccurateScribe | ขอบเขตไฟล์บันทึก | ผลการศึกษาที่รายงาน | ผู้เขียนเดิม วันที่ และแหล่งข้อมูล |
|---|---|---|---|
| บันทึกเสียงภาษาอังกฤษและรัสเซีย | 8 ตัวอย่างที่เก็บไว้ต่อภาษา / 3 รอบ; ไม่รวมตัวอย่างทดสอบตัวเลข/ชื่อ; smart_format=true; ไม่ระบุระยะเวลารวม | WER เมื่อระบุภาษา: อังกฤษ 20.9%, รัสเซีย 24.0%; WER โหมดหลายภาษา: อังกฤษ 17.9%, รัสเซีย 21.5% | Smolevich รอบทดสอบ 2026-08 รายงาน |
| เสียงสนทนาธนาคารหลายภาษา | 4,270 ถ้อยคำ / 5.1 ชั่วโมง การโทรตามสถานการณ์ที่เขียนบท 250 สาย 5 โลแคล | WER อังกฤษ 5.4%; WER เวียดนาม 24.7%; UER เฉลี่ยแบบแมโครตามโลแคล 32.6% | Andrea Li และ Soham Ray, ภาพรวมข้อมูล 2026-04 งานศึกษา Sierra |
| การกู้คืนค่าข้อมูลที่มีโครงสร้าง | 300 สถานการณ์ที่มนุษย์อ่าน / 5.59 ชั่วโมง / 85 ผู้พูด | แบบแบตช์: WER 8.2%, CTEM 90.9%, TSR 68.7%; แบบสตรีมมิง: WER 9.3%, CTEM 88.9%, TSR 61.7% | Tyler Baumgartner และคณะ งานวิจัยสนับสนุนเงินทุนโดย Besimple AI, v2, 2026-09-12 บทความวิจัย |
| เสียงพูดของผู้มีภาวะกล้ามเนื้อควบคุมการพูดบกพร่อง | TORGO; 8 ผู้พูด / 732 ถ้อยคำ ไม่ระบุระยะเวลาประเมิน | WER ระดับเล็กน้อย 2.77%; ปานกลาง 21.83%; รุนแรง 64.00% | Ali Alsayegh และ Tariq Masood, v2 แก้ไขเมื่อ 2026-08-20 บทความวิจัย |
ผลวิจัยที่อ้างอิงไม่ใช่คะแนนที่ใช้แทนกันได้ Pipecat ไม่นับข้อความถอดเสียงที่ขาดหายไว้ในตัวหาร WER และรายงานอัตราการส่งคืนข้อความถอดเสียง 99.8% โดย เสียงและข้อความอ้างอิง เผยแพร่สาธารณะ ตัวเลขตัวอย่างขนาดเล็กของ Smolevich เป็นรายงานจากผู้เขียน บันทึกเสียงส่วนตัวไม่ได้เผยแพร่ MU-Bench ใช้ข้อความถอดเสียงที่ปรับมาตรฐานด้วย LLM และให้น้ำหนักเท่ากันทุกโลแคล UER นับถ้อยคำที่มีข้อผิดพลาดทำให้ความหมายเปลี่ยน เสียงและป้ายกำกับของ Sierra เผยแพร่สาธารณะ
สถานการณ์ของ VoiceCodeBench เป็นสถานการณ์สังเคราะห์ที่มนุษย์อ่าน และ WER ไม่ขึ้นกับรูปแบบ CTEM วัดเอนทิตีที่กู้คืนได้ ส่วน TSR กำหนดให้ทุกเป้าหมายในช่วงนั้นกู้คืนได้ เสียงและคำอธิบายกำกับ และ โค้ดให้คะแนน เผยแพร่สาธารณะ TORGO ใช้ค่าเฉลี่ย WER ต่อถ้อยคำโดยจำกัดเพดานที่ 100% ไม่ใช่ WER รวมตัวอย่าง การทดสอบเกิดขึ้นเมื่อ 2025-09-17–18 ก่อนการแก้ไขปี 2026 ส่วน Verli และ Superwhisper เผยแพร่ผลิตภัณฑ์ถอดเสียง และผู้เขียน WhisperKit พัฒนาระบบคู่แข่ง