Covalin vertailu: Zoomin Scribe Pro v2.1:n sanavirheosuus 1,0 % on 31 mallin pienin
Covalin puheentunnistusvertailussa tarkin malli on Zoomin Scribe Pro v2.1, mutta viiveessä se on vasta 22:s. Nopeimman mallin, Saidwiren Wire-1:n, p95-viive on 34 millisekuntia: 95 prosentissa mittauksista lopullinen teksti palasi viimeistään siinä ajassa.
Coval vertaa puheentunnistusmalleja kahdella mittarilla. Toinen mittaa, kuinka paljon malli tekee virheitä, ja toinen, kuinka kauan puheagentti odottaa tekstiä. Covalin sivun uusimmat tiedot ovat 22. marraskuuta kello 3:lta (GMT), ja taulukot kattavat viimeiset 24 tuntia.
Sanavirheosuus (WER) kertoo, kuinka suuren osan sanoista malli tunnistaa väärin, jättää pois tai lisää ylimääräisenä. Coval jakaa Scribe Pro v2.1:n 1,0 prosentin osiin: väärin tunnistettuja sanoja on 0,6 prosenttia, poisjääneitä 0,2 prosenttia ja ylimääräisiä 0,2 prosenttia. Luku on laskettu vertailun kaikista aineistoista yhdessä. Osa aineistoista on WildASR-muunnelmia, joissa puhdasta äänitettä on heikennetty yhdellä tavalla.
Nopeutta Coval mittaa TTFS-arvolla (time to final segment). Se on aika puheen päättymisestä lopullisen litteroinnin palautumiseen. Tämän viiveen puheagentti odottaa ennen vastaamista. Arvoon ei sisälly aika, jonka järjestelmä käyttää puheenvuoron päättymisen tunnistamiseen. Covalin p95-luku tarkoittaa, että 95 prosenttia mittauksista oli sitä nopeampia.
Taulukossa ovat eräiden mallien p95-viiveet. Niistä ei voi päätellä tarkkuutta: tarkin malli jää viiveessä 22:nneksi.
| Malli | Toimittaja | p95 TTFS |
|---|---|---|
| Wire-1 | Saidwire | 34 ms |
| Rumble-2 | Reson8 | 48 ms |
| Scribe v3 Live | ElevenLabs | 107 ms |
| Nova 3 | Deepgram | 134 ms |
| Universal 3.5 Pro | AssemblyAI | 146 ms |
| Scribe Pro v2.1 | Zoom | 356 ms |
| GPT Realtime Whisper | OpenAI | 817 ms |
| Chirp 3 | 959 ms | |
| Gemini 3.5 Transcribe Live | Gemini | 1 747 ms |
Lähde: Coval, 24 tunnin mittausjakso, tiedot 22.11.2026 klo 3 GMT. Scribe Pro v2.1:stä on 584 näytettä, useimmista muista 912–916.
Valinnan tueksi Coval piirtää Pareto-rintaman. Covalin mukaan se näyttää parhaan tarkkuuden, jonka kullakin sallitulla viiveellä saa. Rintaman ulkopuolelle jäävä malli häviää jollekin rintaman mallille sekä nopeudessa että tarkkuudessa.
Sivun tekstiversiossa ei näy muiden mallien sanavirheosuuksia, joten niiden tarkkuusjärjestystä ei voi lukea siitä.