مقایسه مدل‌ها

مقایسهٔ مدل‌های تبدیل گفتار به متن

دقت (نرخ خطای کلمه)، سرعت و قیمت مدل‌های تبدیل صدا به متن، از سنجش Artificial Analysis.

مدل‌های تبدیل گفتار به متن

۶۴ مدل و ارائه‌دهنده · به‌روزرسانی هوش یاب: ۲۱ آبان ۱۴۰۵

رتبه بر اساس نرخ خطای کلمه است: از هر ۱۰۰ کلمهٔ گفته‌شده، چند کلمه اشتباه نوشته شده (هرچه کمتر، بهتر). سرعت یعنی هر ثانیه چند ثانیه صدا را متن می‌کند. این سنجش با صدای انگلیسی انجام می‌شود و دربارهٔ دقت فارسی چیزی نمی‌گوید؛ پشتیبانی فارسی هر مدل را در صفحهٔ ابزارهایش ببینید. یک مدل ممکن است با چند ارائه‌دهنده آمده باشد. منبع: Artificial Analysis

رتبهمدلنرخ خطای کلمهسرعتقیمت هر ۱۰۰۰ دقیقهدر هوش یاب
۱
Fun-Realtime-ASR-previewمعرفی
Alibaba Cloud
۱٫۷٪۲۱ برابر$۲٫۸۲—
۲
Scribe v3, ElevenLabsمعرفی
ElevenLabs
۱٫۹٪۷۰ برابر$۳٫۳۳
۳
MAI-Transcribe-2معرفی
Microsoft AI
۲٪۳۱۲ برابر$۱٫۶۷
۴
Voxtral Small Transcribe 3معرفی
Mistral
۲٫۱٪۶۵ برابر$۴
۵
Voxtral Mini Transcribe 3معرفی
Mistral
۲٫۲٪۷۷ برابر$۳٫۵
۶
Scribe v2معرفی
ElevenLabs
۲٫۲٪۷۴ برابر$۳٫۶۷
۷
Grok Voice Transcribe 2.0معرفی
SpaceXAI
۲٫۳٪۱۹۶ برابر$۱٫۶۷
۸
MAI-Transcribe-1.5معرفی
Microsoft AI
۲٫۴٪۷۸ برابر$۶
۹
StepAudio 3 ASR, StepFunمعرفی
StepFun
۲٫۵٪۶۴ برابر$۶٫۶۷—
۱۰
Gemini 3.5 Transcribeمعرفی
Google
۲٫۶٪۹۴ برابر$۵
۱۱
Zoom Scribe V2 Proمعرفی
Zoom
۲٫۸٪۱۲۶ برابر$۵٫۸۳—
۱۲
Voxtral Smallمعرفی
Mistral
۲٫۸٪۶۰ برابر$۴
۱۳
Gemini 3.1 Pro Preview (High)معرفی
Google
۲٫۸٪۷ برابر$۱۸٫۱۵
۱۴
Gemini 3 Flash (High)معرفی
Google
۲٫۹٪۲۴ برابر$۴٫۱۷
۱۵
Gemini 2.5 Proمعرفی
Google
۲٫۹٪۱۲ برابر$۸٫۶۹
۱۶
Universal-3.5 Proمعرفی
AssemblyAI
۳٪۱۰۱ برابر$۳٫۵
۱۷
Soniox v6 Asyncمعرفی
Soniox
۳٪۸۱ برابر$۱٫۶۶—
۱۸
Universal-3 Proمعرفی
AssemblyAI
۳٫۱٪۱۰۵ برابر$۳٫۵—
۱۹
Solaria-3, Gladiaمعرفی
Gladia
۳٫۲٪۹۰ برابر$۲٫۹۸—
۲۰
Smallest AI Pulseمعرفی
Smallest.ai
۳٫۳٪۲۳۰ برابر$۳—
نمایش ۴۴ مدل دیگر
رتبهمدلنرخ خطای کلمهسرعتقیمت هر ۱۰۰۰ دقیقهدر هوش یاب
۲۱
GPT Transcribe, OpenAIمعرفی
OpenAI
۳٫۳٪۴۱ برابر$۴٫۵
۲۲
Resonant-1معرفی
Reson8
۳٫۴٪۳۵۶ برابر$۲۲٫۳۳—
۲۳
Smallest AI Pulse Proمعرفی
Smallest.ai
۳٫۴٪۲۹۴ برابر$۴—
۲۴
Gemini 3.1 Flash-Lite Preview (Minimal)معرفی
Google
۳٫۴٪۸۹ برابر$۱٫۱
۲۵
Nemotron 3.5 Transcribeمعرفی
DeepInfra
۳٫۴٪۶۴ برابر$۲
۲۶
Qwen3.5 Omni Plusمعرفی
Alibaba Cloud
۳٫۵٪۱۵۱ برابر——
۲۷
Voxtral Mini Transcribe 2معرفی
Mistral
۳٫۶٪۸۶ برابر$۳—
۲۸
Gemini 3.1 Pro Preview (Low)معرفی
Google
۳٫۶٪۸ برابر$۷٫۷۲
۲۹
Universal, AssemblyAIمعرفی
AssemblyAI
۳٫۸٪۱۰۶ برابر$۲٫۵—
۳۰
Voxtral Miniمعرفی
DeepInfra
۳٫۸٪۵۱ برابر$۱
۳۱
Soniox v5 Asyncمعرفی
Soniox
۳٫۸٪۴۶ برابر$۱٫۶۶—
۳۲
Inworld STT 1معرفی
Inworld
۳٫۹٪۷۴ برابر$۲٫۵—
۳۳
Speechmatics Enhancedمعرفی
Speechmatics
۴٪۷۰ برابر$۱۲٫۵
۳۴
GPT-4o Transcribeمعرفی
OpenAI
۴٪۳۸ برابر$۶
۳۵
Whisper Large v3معرفی
fal.ai
۴٫۱٪۱۰۶ برابر$۱٫۱۵
۳۶
Solaria-1, Gladiaمعرفی
Gladia
۴٫۱٪۸۵ برابر$۵٫۰۲—
۳۷
Amazon Transcribeمعرفی
Amazon Bedrock
۴٫۱٪۳۹ برابر$۶—
۳۸
Whisper Large v2معرفی
OpenAI
۴٫۱٪۲۷ برابر$۶
۳۹
Modulate STT Batch English VFastمعرفی
Modulate
۴٫۲٪۴۵ برابر$۰٫۴۲—
۴۰
Chirp 3, Googleمعرفی
Google
۴٫۳٪۲۸ برابر$۱۶
۴۱
Canary Qwen 2.5B, NVIDIAمعرفی
Replicate
۴٫۳٪۸ برابر$۰٫۷۴—
۴۲
Parakeet TDT 0.6B V3, Togetheraiمعرفی
Together AI
۴٫۵٪۶۵۶ برابر$۱٫۵
۴۳
Whisper Large v3معرفی
Together AI
۴٫۵٪۲۴۲ برابر$۱٫۵
۴۴
GPT-4o Mini Transcribeمعرفی
OpenAI
۴٫۵٪۴۷ برابر$۳
۴۵
Whisper Large v3 Turboمعرفی
Groq
۴٫۶٪۳۱۶ برابر$۰٫۶۷
۴۶
transcribe-03-2026معرفی
Cohere
۴٫۶٪۱۲۲ برابر—
۴۷
Wizper Large v3معرفی
fal.ai
۴٫۷٪۱۸۹ برابر$۰٫۵
۴۸
StepAudio 2.5 ASR, StepFunمعرفی
StepFun
۴٫۷٪۸۵ برابر$۰٫۳۷—
۴۹
Nova-3, Telnyxمعرفی
Telnyx
۴٫۸٪۳۲۶ برابر$۵
۵۰
Speechmatics Meliaمعرفی
Speechmatics
۴٫۹٪۱۷۴ برابر$۴
۵۱
Nova 2 Proمعرفی
Amazon Bedrock
۴٫۹٪۲۴ برابر$۳٫۱—
۵۲
Nova-2, Telnyxمعرفی
Telnyx
۵٫۱٪۳۲۴ برابر$۵—
۵۳
Gemini 2.5 Flashمعرفی
Google
۵٫۱٪۷۱ برابر$۲٫۵۱
۵۴
Speechmatics Standardمعرفی
Speechmatics
۵٫۱٪۶۳ برابر$۷٫۵
۵۵
Deepgram
۵٫۲٪۵۲۸ برابر$۴٫۳
۵۶
Gemini 2.5 Flash Liteمعرفی
Google
۵٫۲٪۸۲ برابر$۰٫۶۷
۵۷
Parakeet RNNT 1.1Bمعرفی
Replicate
۵٫۴٪۶ برابر$۱٫۹۱—
۵۸
Whisper Large v3 Turbo, Telnyxمعرفی
Telnyx
۵٫۵٪۳۶ برابر$۱۵
۵۹
Rev AI
۵٫۹٪۱۱ برابر$۳٫۳۳—
۶۰
Parakeet TDT 0.6B V2, NVIDIAمعرفی
NVIDIA
۶٫۴٪۹۱ برابر—
۶۱
Gradium Speech-to-Textمعرفی
Gradium
۶٫۸٪۲ برابر$۱۳—
۶۲
Whisper Large v3معرفی
Replicate
۱۰٫۱٪۳ برابر$۴٫۲۳
۶۳
Qwen3.5 Omni Flashمعرفی
Alibaba Cloud
۱۳٫۵٪۷۸ برابر——
۶۴
Google
۳۱٫۲٪۱۵ برابر$۱۶—