Modellvergleich
Vergleichen Sie Chirp 3 und Scribe v2 mit derselben vom Anbieter bereitgestellten spracherkennung und transkription-Rubrik. Kein Mystery-Score und kein erfundenes Benchmark-Ranking.
Fakten geprüft 4. September 2026
Geben Sie Ihre Nutzung ein. Die Schätzung wird sofort aktualisiert.
Nutzt die Aufnahmedauer in Stunden: 30 Minuten = 0,5 Stunden. Zusatzfunktionen und Mindestgebühren können die Rechnung ändern.
Schätzungen ohne Steuern, Tools, Cache-Speicherung/-Schreiben, Freikontingente und individuelle Rabatte. Bei Bildern zählt nur die Ausgabe, nicht Prompt oder Referenzbilder. Qualitätsmodi unterscheiden sich. Nicht aufgeführte Einstellungen gelten nicht als kostenlos.
Schnelle Aufnahme
Das allgemeine Sprach-zu-Text-Modell von Google Cloud für Streaming, Datei und kostengünstige dynamische Batch-Transkription in vielen Sprachen und Regionen.
Überprüfen Sie die Tabelle Chirp 3 auf Ihre genaue Sprache und Region. Lautsprecherbezeichnungen, Zeitstempel, Anpassung und Batch-Verhalten unterliegen routenspezifischen Einschränkungen, die eine einzelne Abdeckungsnummer verbergen kann.
Das mehrsprachige Speech-to-Text-Modell von ElevenLabs für detaillierte Transkripte mit vielen Sprechern, Wortzeit, Audioereignissen und großen benutzerdefinierten Schlüsselbegriffslisten.
Gehen Sie nicht davon aus, dass Batch und Echtzeit dieselbe Route oder denselben Preis haben. Die Null-Datenaufbewahrung erfolgt nicht automatisch, sondern bedingt. Überprüfen Sie daher den Plan, den Endpunkt, die Region und das Enable_logging-Verhalten, bevor Sie vertrauliche Audiodaten verarbeiten.
Vergleichen Sie die veröffentlichten Fakten
Die Werte verwenden die von jedem Anbieter veröffentlichten Einheiten und Grenzwerte. Ein Leerzeichen bedeutet, dass der Anbieter in den überprüften Quellen keinen direkt vergleichbaren Wert veröffentlicht hat.
| Spracherkennung und Transkription | Chirp 3 | Scribe v2 |
|---|---|---|
| TranskriptionspreisAktueller Anbieterpreis pro Audiostunde oder Minute für den aufgeführten Verarbeitungsweg. | 0,016 $/Min. Standard · 0,003 $/Min. dynamischer Batch | 0,22 $/Audiostunde; Echtzeit separat aufgeführt |
| Live oder BatchOb das Modell Echtzeit-Streams, hochgeladene Aufzeichnungen oder beides verarbeitet. | Streaming, synchron und Batch | Batch- und langes Audio; separate Echtzeitroute |
| SprachenVom Anbieter veröffentlichte Sprachabdeckung, die bei Bedarf geschulte oder beworbene Abdeckung von speziell verifizierten Sprachen trennt. | Über 85 Sprachen und Gebietsschemata | Über 90 Sprachen |
| LautsprecheretikettenOb das Modell identifiziert, wer gesprochen hat, und ob ein veröffentlichtes Sprecherlimit vorliegt. | Unterstützt für eine dokumentierte Teilmenge von Sprachen | Bis zu 32 Lautsprecher |
| ZeitstempelVerfügbare Timing-Informationen auf Wort-, Segment- oder Äußerungsebene. | Zeitstempel auf Wortebene mit Routenbeschränkungen | Zeitstempel auf Wortebene |
| VokabelkontrolleKeyword-Boosting, benutzerdefinierte Rechtschreibung, Kontext, Eingabeaufforderungen oder andere Möglichkeiten zur Verbesserung von Domain-Begriffen. | Sprachanpassung, benutzerdefiniertes Vokabular, Spracherkennung, Rauschunterdrückung | Bis zu 1.000 Schlüsselbegriffe; Audio-Tags und Spracherkennung |
| Wo kann man es verwenden?Direkte API, Cloud-Katalog, Anwendung oder regionaler Endpunkt, dokumentiert vom Anbieter. | Google Cloud Speech-to-Text V2 | ElevenLabs Speech-to-Text-API |
So wählen Sie aus
Beginnen Sie mit dem Auftrag, den Sie erledigen müssen, und validieren Sie dann die Kosten-, Zugangs- und Richtliniendetails für Ihre genaue Anbieterroute.
Laut Google werden Speech-to-Text-Inhalte nicht über die Bereitstellung des Dienstes hinaus verwendet, es sei denn, der Kunde stimmt der Datenprotokollierung zu. Streaming- und synchrone Inhalte werden im Speicher verarbeitet; Asynchrone Ergebnisse können wie dokumentiert vorübergehend gespeichert werden.
Anbieter- und API-Links
Mit ElevenLabs können berechtigte API-Kunden ihre Datennutzungspräferenzen verwalten. Die Nulldatenaufbewahrung durch enable_logging=false ist auf qualifizierte Unternehmenskonfigurationen und unterstützte Modelle beschränkt, einschließlich Scribe v2; Überprüfen Sie den Live-Plan und den regionalen Endpunkt.
Anbieter- und API-Links
Häufig gestellte Fragen
Chirp 3: Das allgemeine Sprach-zu-Text-Modell von Google Cloud für Streaming, Datei und kostengünstige dynamische Batch-Transkription in vielen Sprachen und Regionen. Scribe v2: Das mehrsprachige Speech-to-Text-Modell von ElevenLabs für detaillierte Transkripte mit vielen Sprechern, Wortzeit, Audioereignissen und großen benutzerdefinierten Schlüsselbegriffslisten.
Ziehen Sie Chirp 3 in Betracht, wenn Ihre Priorität Mehrsprachige Cloud-Transkription ist. Ziehen Sie Scribe v2 in Betracht, wenn Ihre Priorität Mehrsprachige Medientranskription ist. Testen Sie beides mit Ihren eigenen Daten und der Route Ihres Anbieters, bevor Sie sich verpflichten.
Nein. Dieser Vergleich gleicht die vom Anbieter veröffentlichten Fakten für die Kategorie Spracherkennung und Transkription an. Es wird kein allgemeiner Gewinner beansprucht und es werden auch keine inkompatiblen Benchmark-Ergebnisse Dritter kombiniert.
