Modellvergleich
Vergleichen Sie MAI-Transcribe-2 und Chirp 3 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.
| Modell | Zugang | Geschätzte Summe (USD) |
|---|---|---|
| Chirp 3Google Cloud | Google Cloud | Kein geprüfter Preis |
| MAI-Transcribe-2Microsoft | Microsoft | Kein geprüfter Preis |
Schnelle Aufnahme
Das schnelle Batch-Transkriptionsmodell von Microsoft für lange Aufnahmen, Sprecherbezeichnungen, Wort-Timing, Keyword-Bias und saubere oder wörtliche Transkripte.
Der Wert von einer Stunde in etwa zehn Sekunden von Microsoft ist eine Aussage des Anbieters und kein garantiertes SLA. Vergleichen Sie Ihr eigenes Audiomaterial und bestätigen Sie den Post-Preview-Preis, die Bereitstellungsregion, die Kontingente und die Aufbewahrungskonfiguration.
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.
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 | MAI-Transcribe-2 | Chirp 3 |
|---|---|---|
| TranskriptionspreisAktueller Anbieterpreis pro Audiostunde oder Minute für den aufgeführten Verarbeitungsweg. | Zeitlich begrenzter Preis: 0,10 $/Audiostunde | 0,016 $/Min. Standard · 0,003 $/Min. dynamischer Batch |
| Live oder BatchOb das Modell Echtzeit-Streams, hochgeladene Aufzeichnungen oder beides verarbeitet. | Schnelle Batch- und Langform-Transkription | Streaming, synchron und Batch |
| SprachenVom Anbieter veröffentlichte Sprachabdeckung, die bei Bedarf geschulte oder beworbene Abdeckung von speziell verifizierten Sprachen trennt. | 60 Sprachen | Über 85 Sprachen und Gebietsschemata |
| LautsprecheretikettenOb das Modell identifiziert, wer gesprochen hat, und ob ein veröffentlichtes Sprecherlimit vorliegt. | Ja | Unterstützt für eine dokumentierte Teilmenge von Sprachen |
| ZeitstempelVerfügbare Timing-Informationen auf Wort-, Segment- oder Äußerungsebene. | Zeitstempel auf Wortebene | Zeitstempel auf Wortebene mit Routenbeschränkungen |
| VokabelkontrolleKeyword-Boosting, benutzerdefinierte Rechtschreibung, Kontext, Eingabeaufforderungen oder andere Möglichkeiten zur Verbesserung von Domain-Begriffen. | Keyword-Biasing, saubere/wörtliche Ausgabe, automatische Spracherkennung | Sprachanpassung, benutzerdefiniertes Vokabular, Spracherkennung, Rauschunterdrückung |
| Wo kann man es verwenden?Direkte API, Cloud-Katalog, Anwendung oder regionaler Endpunkt, dokumentiert vom Anbieter. | Microsoft Foundry / Azure | Google Cloud Speech-to-Text V2 |
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.
Microsoft besagt, dass an Foundry Models übermittelte Eingabeaufforderungen, Ausgaben, Einbettungen und Trainingsdaten für Modellanbieter nicht verfügbar sind und nicht ohne Genehmigung zum Trainieren von Foundation-Modellen verwendet werden. Details zur Aufbewahrung und Missbrauchsüberwachung hängen vom bereitgestellten Dienst ab.
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
Häufig gestellte Fragen
MAI-Transcribe-2: Das schnelle Batch-Transkriptionsmodell von Microsoft für lange Aufnahmen, Sprecherbezeichnungen, Wort-Timing, Keyword-Bias und saubere oder wörtliche Transkripte. Chirp 3: Das allgemeine Sprach-zu-Text-Modell von Google Cloud für Streaming, Datei und kostengünstige dynamische Batch-Transkription in vielen Sprachen und Regionen.
Ziehen Sie MAI-Transcribe-2 in Betracht, wenn Ihre Priorität Aufgezeichnete Anrufe und Besprechungen mit hohem Volumen ist. Ziehen Sie Chirp 3 in Betracht, wenn Ihre Priorität Mehrsprachige Cloud-Transkription 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.
