AI Models

Choose Your Transcription Engine — Compare accuracy, speed, and language support across leading speech recognition models.

Hvordan velge den riktige modellen

Forskjellige utskriftsmodeller utmerker seg på forskjellige områder. Bruk denne veiledningen for å velge den modellen du vil bruke.

Model WER Speed Språk Beste for
STT.ai Enhanced 3.2% 160.0x 100 STT.ai's flagship speech-to-text model with best-in-class accuracy and speed. Optimized …
Whisper Large V3 4.2% 8.0x 99 OpenAI's largest and most accurate Whisper model. Excellent multilingual support …
Whisper Turbo 5.1% 32.0x 99 OpenAI's speed-optimized Whisper variant. 4x faster than Large V3 with …
NVIDIA Canary 3.5% 45.0x 4 NVIDIA's multi-task ASR model with top-tier accuracy on English. Built …
Moonshine 7.8% 80.0x 1 Ultra-lightweight ASR model designed for edge devices. Runs on Raspberry …
NVIDIA Parakeet 3.0% 55.0x 1 NVIDIA's CTC-based English ASR model. One of the most accurate …
SenseVoice 5.5% 50.0x 50 Multilingual speech understanding model with emotion recognition and audio event …
Distil-Whisper 5.8% 48.0x 99 Distilled version of Whisper Large V3. 6x faster with 49% …
Vosk 12.0% 100.0x 20 Lightweight offline speech recognition. Works without internet, ideal for privacy-sensitive …

Hva er WER (ordfeilrate)?

Ordfeilrate (WER) er standardmål for måling av talegjenkjenningsnøyaktighet. Det beregner prosentvis antall ord i en utskrift som er forskjellig fra referansen. En WER på 5% betyr omtrent 5 av hver 100 ord inneholder en feil. Lavere er bedre.

Profesjonelle transkriptionister oppnår typisk en WER på 4-5%. De beste AI- modellene samsvarer nå eller nærmer seg nøyaktighet på menneskenivå på ren lyd.

Er du usikker på hvilken modell som skal brukes?

Forsøk vår standard – Whisper Large V3 Turbo gir den beste likevekten mellom fart og nøyaktighet. Fri til å starte, ikke nødvendig å logge inn.

Begynn å tranulere gratis