AccurateScribe so với Otter, Sonix, Notta, Descript và Rev: So sánh thực tế

Các công cụ chuyển giọng nói thành văn bản trông có vẻ giống nhau cho đến khi bạn tải lên một cuộc phỏng vấn dài, nhập các cuộc họp của cả tháng hoặc cần chỉnh sửa video. Điều hữu ích khi so sánh là mức độ phù hợp của từng dịch vụ với công việc đó, các hạn chế áp dụng cho tệp và chi phí của toàn bộ quy trình.

AccurateScribe, Otter, Sonix, Notta, Descript và Rev cung cấp những tổ hợp khác nhau giữa chuyển tệp thành văn bản, công cụ họp, chỉnh sửa và dịch vụ do con người thực hiện. Bài đánh giá này so sánh giá, giới hạn bản ghi, định dạng xuất, tốc độ xử lý và bằng chứng về độ chính xác, với cùng một câu hỏi cho từng công cụ: bạn nhận được gì cho công việc thực sự cần hoàn thành?

AccurateScribe Otter.ai Sonix Notta Descript Rev

Bắt đầu từ quy trình làm việc của bạn

Chi tiết tính năng và gói: AccurateScribe, Otter, Sonix, Notta, Descript và Rev.

Giá hiện tại và những giới hạn cần quan tâm

Giá dưới đây là mức giá công bố trên web bằng USD, chưa gồm thuế, được kiểm tra vào 2026-10-17. Thanh toán hằng tháng và hằng năm là những cam kết khác nhau. Các gói được chọn minh họa những lựa chọn thực tế; đây không phải danh sách mọi cấp gói hay hồ sơ các gói đã dùng trong những thử nghiệm trước đây.

Hãy xem hạn mức cùng các hạn chế của tệp. Một lượng phút lớn vẫn có thể không phù hợp nếu bản ghi của bạn vượt quá giới hạn mỗi tệp hoặc có nhiều tệp hơn mức gói cho phép. Tương tự, cần đánh giá gói chuyển giọng nói thành văn bản không giới hạn cùng quy định về tệp và điều khoản của nhà cung cấp, thay vì coi đó là lời hứa về tốc độ xử lý không giới hạn.

Vai trò của từng công cụ trong phép so sánh

AccurateScribe: chuyển âm thanh và video thành văn bản cho các nhu cầu phổ biến

AccurateScribe chuyển bản ghi cuộc họp, phỏng vấn, bài giảng, podcast, video và nội dung âm thanh hoặc video khác thành văn bản hoặc phụ đề. Thuê bao giá cố định phù hợp để xem xét khi bạn thường xuyên xử lý bản ghi đã lưu và muốn dự đoán được hóa đơn. Hãy kiểm tra giới hạn thời lượng tệp và những định dạng bạn cần bàn giao. Menu xuất hỗ trợ tài liệu, phụ đề, bảng tính, dữ liệu có cấu trúc và tệp trao đổi phục vụ chỉnh sửa; bảng định dạng bên dưới liệt kê các lựa chọn. Tổng quan sản phẩm

Quyền truy cập miễn phí cung cấp bản xem trước một phần bản chép. Cần có thuê bao để truy cập bản chép đầy đủ và toàn bộ tùy chọn xuất, điều này ảnh hưởng đến mức độ bạn có thể đánh giá một cuộc phỏng vấn hoàn chỉnh hoặc quy trình phụ đề trước khi trả tiền. Chi tiết quyền truy cập

Otter: so sánh việc dùng cho họp với việc nhập tệp

Otter đáng có mặt trong danh sách rút gọn dành cho cuộc họp, nhưng quy định nhập tệp cần được chú ý khi công việc bắt đầu từ tệp. Pro kết hợp hạn mức phút hằng tháng với giới hạn số tệp và thời lượng mỗi tệp. Ví dụ, 10 lượt nhập, mỗi lượt 90 phút, cho phép nhập tối đa 900 phút, dù tổng hạn mức hằng tháng là 1,200 phút. Những giới hạn này áp dụng đồng thời. Business mở rộng khả năng nhập tệp, nhưng hạn mức cuộc họp/bản ghi trong ứng dụng không giới hạn của gói này không xóa bỏ giới hạn 6,000 phút hằng tháng đối với tệp nhập vào. So sánh các gói Otter

Về bàn giao, Basic hỗ trợ xuất văn bản dưới dạng TXT; các gói trả phí bổ sung lựa chọn như DOCX, PDF và SRT. Nếu khách hàng cần tài liệu có định dạng, hãy tính yêu cầu xuất vào khi so sánh cấp miễn phí và trả phí. Tài liệu hướng dẫn xuất của Otter

Sonix: tính cả số giờ đi kèm và phí vượt mức

Sonix cung cấp chuyển giọng nói thành văn bản trả theo mức sử dụng với giá $10 mỗi giờ và các gói thuê bao có giờ đi kèm. Trả theo mức sử dụng có thể phù hợp với nhu cầu không đều; thuê bao có thể rẻ hơn khi khối lượng ổn định. Sự khác biệt này quan trọng vì gói phù hợp nhất có thể thay đổi khi khối lượng công việc tăng lên. Chuyển giọng nói thành văn bản và dịch thuật dùng chung hạn mức thời gian, nên việc dịch kết quả có thể làm thay đổi ngân sách. Chi tiết giá và tính năng Sonix

Hướng dẫn tải lên thường cho phép tệp dài tối đa 8 giờ và dung lượng 16 GB, tùy theo quyền của tài khoản. Giới hạn lưu trữ được áp dụng riêng. Sonix cũng có tài liệu về xuất DOCX, TXT, PDF, SRT và VTT, giúp định dạng bàn giao cần thiết trở thành một mục cụ thể để kiểm tra. Giới hạn tải lên, tùy chọn xuất

Notta: hạn mức Pro đáng kể, kèm quy định tệp riêng

Hạn mức Pro của Notta tương đương 30 giờ âm thanh mỗi tháng, nên đáng so sánh cho nhu cầu thường xuyên trong giới hạn đó. Business chuyển sang mô hình thời gian chuyển giọng nói thành văn bản không giới hạn mỗi chỗ ngồi, đồng thời vẫn giữ hạn mức tệp hằng tháng. Đây là những ràng buộc khác nhau: xử lý phỏng vấn dài và nhập nhiều đoạn ngắn có thể dẫn đến lựa chọn gói khác nhau. Giá Notta, giải thích về gói

Tài liệu nhập tệp cho phép tệp âm thanh tối đa 1 GB và video tối đa 10 GB. Tệp có thể dài tới 5 giờ khi không nhận dạng người nói, hoặc 3 giờ khi bật tính năng này. Các gói Pro trở lên hỗ trợ tải bản chép xuống, gồm TXT, DOCX, PDF và SRT. Hãy kiểm tra thiết lập người nói trước khi cho rằng một bản ghi dài đáp ứng điều kiện. Quy định nhập tệp, định dạng tải xuống

Descript: đánh giá cả quy trình chỉnh sửa lẫn chuyển giọng nói thành văn bản

Descript là một lựa chọn mua khác khi bản chép là một phần của việc chỉnh sửa podcast hoặc video. Hạn mức phút nội dung đa phương tiện của nó bao gồm nội dung được nhập hoặc ghi lại, chứ không chỉ việc tạo văn bản. Vì vậy, tải lên nhiều tài nguyên có thể tiêu tốn hạn mức nhiều hơn thời lượng của một tập hoàn chỉnh. Tín dụng AI là tài nguyên riêng, nên phép so sánh chi phí chỉ cho chuyển giọng nói thành văn bản không bao quát mọi tính năng chỉnh sửa hoặc tạo nội dung. Quy định sử dụng Descript

Creator và Business có thể mua thêm giờ nội dung đa phương tiện. Descript cũng hỗ trợ xuất bản chép dạng tài liệu và phụ đề SRT/VTT. Nếu đã đăng ký để chỉnh sửa, hãy so sánh hạn mức nội dung bổ sung cần thiết trước khi mặc nhiên xem việc mua thêm thuê bao chuyển giọng nói thành văn bản là tiết kiệm. Mua bổ sung, xuất bản chép, xuất phụ đề

Rev: tách biệt dịch vụ AI và dịch vụ do con người thực hiện

Rev đáng xem xét khi bạn muốn lựa chọn giữa kết quả tự động và dịch vụ do con người thực hiện có giá riêng. Essentials AI gồm 5,000 phút mỗi người mỗi tháng cho tiếng Anh và tiếng Tây Ban Nha; Pro tăng hạn mức và hỗ trợ nhiều ngôn ngữ hơn. Với ngôn ngữ ngoài Essentials, hãy so sánh gói hỗ trợ phù hợp thay vì mức giá quảng bá thấp hơn của nó. Các gói thuê bao Rev

Giá niêm yết cho chuyển giọng nói thành văn bản do con người thực hiện là $1.99 mỗi phút, có cấu trúc chi phí khác với thuê bao AI. Một bản ghi 60 phút sẽ có giá khởi điểm $119.40 trước các khoản bổ sung hoặc quy định làm tròn áp dụng. Phép tính này hữu ích cho lập ngân sách, nhưng các tuyên bố về dịch vụ do con người thực hiện tuyệt đối không nên được dùng làm điểm độ chính xác cho sản phẩm tự động của Rev. Giá Rev

Tốc độ và độ chính xác khi chuyển giọng nói thành văn bản

Tốc độ xử lý và độ chính xác nhận dạng trả lời những câu hỏi khác nhau. Bản ghi, quy tắc chấm điểm và mốc bắt đầu/kết thúc đo thời gian khác nhau giữa các nghiên cứu bên dưới, nên kết quả không tạo thành một bảng xếp hạng duy nhất.

So sánh thời gian chuyển giọng nói thành văn bản, kèm thời lượng âm thanh và nguồn

Thời gian dưới đây bao gồm tải lên cộng chuyển giọng nói thành văn bản ở những nơi có nêu rõ. Ba mục của RJI dùng cùng một cuộc phỏng vấn; những quan sát khác dựa trên các bản ghi riêng.

Các giá trị của RJI được chép từ biểu đồ thời gian gốc; chúng không bao gồm việc sửa thủ công. Gói sử dụng, điều kiện mạng và các lần chạy lặp lại chưa được nêu đầy đủ. Zapier công bố rằng một số liên kết đánh giá có thể mang lại hoa hồng; bản ghi, toàn bộ kết quả và gói chính xác được thử trong ví dụ không được công bố. Dấu gạch ngang nghĩa là không đưa vào kết quả, không phải thời gian bằng không.

Kết quả độ chính xác cho thấy điều gì

Nghiên cứu phỏng vấn của Willem Maas trên Growth Velocity, công bố ngày 2023-08-08, báo cáo kết quả đối chiếu với 1,199 từ tham chiếu từ một cuộc phỏng vấn B2B dài một giờ; phạm vi chấm điểm chính xác không được nêu. Các nghiên cứu được trích dẫn và thử nghiệm sản phẩm hoàn chỉnh đo những phạm vi khác nhau. Nghiên cứu phỏng vấn

Nguồn thử nghiệm sản phẩm AccurateScribe: Phạm vi mẫu và các số liệu WER ở hàng này do người thử nghiệm cung cấp và xác nhận cho bài đánh giá này.

Trong thử nghiệm phỏng vấn đó, Sonix có WER thấp hơn Rev và Otter. Với bản ghi của chính bạn, hãy kiểm tra tên riêng, số, lời nói chồng lấn và tiếng ồn nền, cũng như lượng chỉnh sửa cần thiết trước khi bản chép có thể sử dụng được.

10, 50 và 100 giờ âm thanh có thể tốn bao nhiêu mỗi tháng

Các ước tính sau áp dụng giá công bố hằng tháng cho việc chuyển tệp ghi sẵn bằng tiếng Anh thành văn bản, với một người dùng hoặc biên tập viên được tính phí. Chúng không bao gồm thuế, dịch thuật, các khoản bổ sung để tạo nội dung AI và chỉnh sửa thủ công. Mỗi bản ghi phải tuân thủ quy định về tệp và lưu trữ của gói. Bảng thể hiện ước tính cho các tổ hợp gói cụ thể; chi phí thực tế phụ thuộc vào số chỗ ngồi và các tùy chọn đã mua.

Nguồn: AccurateScribe, Otter, Sonix, Notta, Descript và các gói nội dung bổ sung, và Rev. Số liệu Notta tính trên mỗi chỗ ngồi được tính phí. Nhân giá Business với số chỗ ngồi đã mua; hạn mức tệp cũng áp dụng trên mỗi chỗ ngồi.

Hai ví dụ cho thấy cách tính ước lượng. Sonix Pro ở mức 100 giờ là $80 + (100 − 40) × $10 = $680. Descript Creator ở mức 50 giờ là $35 + gói bổ sung 20 giờ giá $80 = $115. Ở mức 100 giờ, thêm gói 50 giờ và 20 giờ cho kết quả $35 + $150 + $80 = $265. Tài liệu mua bổ sung của Descript đưa ra giá các gói đó; đây là kịch bản dựa trên Creator, không phải tuyên bố rằng không có tổ hợp gói nào khác phù hợp hơn.

Hãy điều chỉnh phép tính theo đặc điểm tệp của bạn. Giới hạn 10 lượt nhập của Otter Pro vẫn quan trọng ngay cả khi chưa chạm hạn mức phút, và 100 giờ dùng hết hạn mức phút nhập vào của Business. Thuê bao sẵn có cũng thay đổi quyết định: một gói nội dung bổ sung có thể rẻ hơn mua công cụ thứ hai. Cuối cùng, giá phần mềm không bao gồm thời gian bạn dành để kiểm tra trích dẫn, tên riêng hoặc thời gian phụ đề.

Tài liệu và phụ đề cần những bước kiểm tra khác nhau

Với bản phỏng vấn viết, hãy kiểm tra xem nhãn người nói, ngắt đoạn và văn bản đã sửa có được giữ khi xuất hay không. Với phụ đề, hãy kiểm tra loại tệp yêu cầu và phát bản phụ đề đã xuất cùng video. Một bản chép có thể dễ đọc nhưng vẫn cần chỉnh thời gian hoặc cách chia phụ đề. Việc có một định dạng xuất xác nhận rằng tùy chọn ấy tồn tại; nó không đo chất lượng của một kết quả cụ thể.

Rev phân biệt rõ tệp phụ đề xuất từ bản chép AI với đơn hàng AI Captions riêng. Nếu phụ đề là sản phẩm bàn giao cuối cùng, hãy so sánh quy trình phụ đề thực tế thay vì cho rằng mọi cách đều tạo ra kết quả có thể chỉnh sửa giống nhau. Hướng dẫn định dạng tệp của Rev

Bạn nên thử công cụ nào trước?

Để chuyển âm thanh và video thành văn bản, hãy so sánh thuê bao giá cố định của AccurateScribe, mô hình giờ đi kèm và phí vượt mức của Sonix, cùng Notta Pro nếu khối lượng công việc phù hợp với hạn mức 30 giờ mỗi tháng và quy định tệp của gói. Đối với cuộc họp, danh sách rút gọn có thể gồm AccurateScribe, Otter và Notta; cũng hãy so sánh tính năng ghi lại và ghi chú dùng chung nếu chúng thuộc quy trình của bạn. Descript phù hợp khi cần chỉnh sửa podcast hoặc video. Rev bổ sung lựa chọn dịch vụ do con người thực hiện có giá riêng bên cạnh các gói AI.

Sau đó xử lý một bản ghi đại diện bằng hai ứng viên phù hợp nhất. Hãy đưa vào một đoạn có tên riêng hoặc số, một lần đổi người nói và loại âm thanh nền bạn thường gặp. Sửa kết quả đến tiêu chuẩn bạn yêu cầu và mở tệp đã xuất trong ứng dụng đích. Công việc hoàn chỉnh đó cho bạn biết nhiều hơn về mức độ phù hợp so với một tỷ lệ độ chính xác quảng bá đứng riêng lẻ.

Câu hỏi thường gặp

Công cụ chuyển giọng nói thành văn bản nào chính xác nhất?

Các thử nghiệm công khai hiện có sử dụng bản ghi và phương pháp chấm điểm khác nhau, nên chúng không xác lập công cụ dẫn đầu về độ chính xác trong sáu công cụ này. Để so sánh AccurateScribe với các ứng viên khác, hãy thử cùng một bản ghi đại diện và chấm mỗi bản chép dựa trên cùng văn bản tham chiếu.

Chuyển giọng nói thành văn bản không giới hạn có nghĩa là không có hạn chế nào không?

Không. Hãy kiểm tra cách nhà cung cấp định nghĩa hạn mức, cùng thời lượng tệp, số lượng tệp, lưu trữ và quyền xuất. Hạn mức cuộc họp có thể khác hạn mức nhập tệp, và bản xem trước miễn phí có thể khác quyền truy cập bản chép đầy đủ. Những khác biệt này có thể thay đổi gói nào thực sự đáp ứng công việc của bạn.

Có thể dùng ngay bản chép làm phụ đề không?

Chỉ sau khi kiểm tra định dạng, thời gian và cách chia đoạn theo yêu cầu. Hãy chọn gói có tùy chọn xuất cần thiết và xem lại phụ đề tạo ra cùng video. Tài liệu dễ đọc và bản phụ đề có thể xuất bản là những sản phẩm bàn giao khác nhau.

Đưa ra lựa chọn

Chọn hai dịch vụ phù hợp nhất với quy trình của bạn, rồi so sánh chúng trên cùng một bản ghi. Kiểm tra bản chép, thời gian sửa, tệp xuất và tổng chi phí ở khối lượng dự kiến. Lựa chọn tốt hơn là dịch vụ tạo ra sản phẩm bàn giao chấp nhận được với tổng công sức ít nhất và hóa đơn có thể dự đoán.

Ghi chú thử nghiệm và nguồn

Thông tin sản phẩm và điều khoản thuê bao được kiểm tra vào 2026-10-17. Các kịch bản chi phí sử dụng tổ hợp gói và giả định nêu trên. Các nghiên cứu hiệu năng giữ nguyên tác giả, ngày và liên kết gốc. Trung vị theo tệp, WER toàn bộ tập dữ liệu, lỗi ngữ nghĩa và thước đo hoàn thành nhiệm vụ sử dụng các phương pháp chấm điểm khác nhau, nên cần được đọc trong phạm vi từng nghiên cứu.

Đọc thêm về độ chính xác nhận dạng và độ trễ

Độ chính xác trên các loại bản ghi

Thông lượng và độ trễ xử lý luồng

Ngôn ngữ và lời nói khó nhận dạng

Các kết quả nghiên cứu được trích dẫn không phải những điểm số có thể thay thế cho nhau. Pipecat loại bản chép bị thiếu khỏi mẫu số WER và báo cáo tỷ lệ trả về bản chép là 99.8%; âm thanh và tài liệu tham chiếu của nghiên cứu được công khai. Số liệu trên mẫu nhỏ của Smolevich do tác giả báo cáo; các ghi âm ghi nhớ riêng tư không được công khai. MU-Bench dùng bản chép được LLM chuẩn hóa và trọng số bằng nhau giữa các thiết lập ngôn ngữ; UER đếm phát ngôn có lỗi làm thay đổi ý nghĩa. Âm thanh và nhãn của Sierra được công khai.

Các kịch bản của VoiceCodeBench là tổng hợp và do con người đọc, còn WER của nó không phụ thuộc định dạng. CTEM đo các thực thể có thể khôi phục; TSR yêu cầu mọi mục tiêu trong một đoạn đều có thể khôi phục. Âm thanh và chú thích và mã chấm điểm được công khai. TORGO dùng WER trung bình theo từng phát ngôn với mức trần 100%, không phải WER gộp. Các lần thử nghiệm diễn ra vào 2025-09-17–18, trước lần sửa đổi 2026. Verli và Superwhisper phát hành sản phẩm chuyển giọng nói thành văn bản, còn các tác giả WhisperKit phát triển một hệ thống cạnh tranh.