DeepgramAudio-DuellSpracherkennung
Nova-3vs.Flux
Welches Modell ist besser?
Nova-3 liegt in unabhängigen Tests leicht vorn, sicher ist der Vorsprung aber nicht.
Unabhängige TestsCoval, Cekura
Nova-30 von 2
Flux0 von 2
Beliebtheitvon 100
Nova-3vorn51
Flux37
Gewichte und Zugang
Nova-3proprietär
Fluxproprietär
Veröffentlicht
Nova-3k. A.
Fluxk. A.
Nimm Nova-3 für
eher Covaleher Cekurabeliebter
Nimm Flux für
Kein klarer Vorteil
Gemeinsame Tests
Nur unabhängige Auswerter und Bestenlisten, je Auswerter der neueste gemeinsame Stand. Mit 95-%-Bereichen zählt ein Vorsprung, wenn sie sich nicht überlappen; bei Trefferquoten, wenn er im 95-%-Test hält. Ohne Unsicherheitsangabe höchstens „leicht vorn“.
Coval
Nova-3 leicht vornNova-3 ist in 0 von 23 Teiltests klar vorn und in 13 leicht, Flux in 0 klar und in 5 leicht. 5 sind gleichauf.
Coval RTF maximum
Nova-32,89
Flux5,29
niedriger ist besser, Stand 5. November 2026
Coval AudioToFinal maximum
Nova-329,38 s
Flux17,25 s
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) maximum
Nova-319.227 ms
Flux13.993 ms
niedriger ist besser, Stand 5. November 2026
Alle 23 Teiltests zeigen
| Teiltest | Nova-3 | Flux | Urteil |
|---|---|---|---|
| Coval RTF maximum (niedriger ist besser) | 2,89 | 5,29 | Nova-3 leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 29,38 s | 17,25 s | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 19.227 ms | 13.993 ms | Flux leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.440 ms | 1.095 ms | Flux leicht vorn |
| Time to Final Segment by dataset: WildASR Accents (niedriger ist besser) | 82 ms | 103 ms | Nova-3 leicht vorn |
| Time to Final Segment by dataset: WildASR Clipping (niedriger ist besser) | 84 ms | 104 ms | Nova-3 leicht vorn |
| Time to Final Segment by dataset: WildASR Phone codec (niedriger ist besser) | 84 ms | 102 ms | Nova-3 leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 5.457 ms | 4.616 ms | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 86 ms | 102 ms | Nova-3 leicht vorn |
| Time to Final Segment by dataset: WildASR Noise gaps (niedriger ist besser) | 86 ms | 101 ms | Nova-3 leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.000 ms | 1.172 ms | Nova-3 leicht vorn |
| Time to Final Segment by dataset: PipeCat Production (niedriger ist besser) | 83 ms | 96 ms | Nova-3 leicht vorn |
| Time to Final Segment by dataset: WildASR Clean (niedriger ist besser) | 87 ms | 100 ms | Nova-3 leicht vorn |
| Time to Final Segment by dataset: WildASR Far-field (niedriger ist besser) | 89 ms | 102 ms | Nova-3 leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 5,6 % | 6,4 % | Nova-3 leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 91 ms | 99 ms | Nova-3 leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 5,2 % | 5,7 % | Nova-3 leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 100,0 % | 92,3 % | Flux leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,01 | 1,02 | gleichauf |
| Coval AudioToFinal mean (niedriger ist besser) | 8,02 s | 8,05 s | gleichauf |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,39 s | 8,42 s | gleichauf |
| Coval RTF p50 (niedriger ist besser) | 1,01 | 1,01 | gleichauf |
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 3,1 % | 3,1 % | gleichauf |
Quelle · zuletzt 5. November 2026
Cekura
Nova-3 leicht vornFinal-text delay (TTFS), P50
Nova-3103 ms
Flux108 ms
niedriger ist besser, Stand 23. Oktober 2026
Quelle · zuletzt 23. Oktober 2026
Herstellerangaben
Werte aus Berichten der Hersteller, in denen beide Modelle vorkommen. Sie zählen nicht zum Urteil.
49 Herstellerwerte zeigen
| Wert | Quelle | Nova-3 | Flux |
|---|---|---|---|
| AssemblyAI Table 4 medical entity error rate (MER), dictation (niedriger ist besser) | AssemblyAI Benchmarks | 17,4 % | 18,3 % |
| AssemblyAI Table 4 medical entity error rate (MER), mean 3 sets (niedriger ist besser) | AssemblyAI Benchmarks | 13,2 % | 14,3 % |
| AssemblyAI Table 4 medical entity error rate (MER), primary care (PriMock57) (niedriger ist besser) | AssemblyAI Benchmarks | 19,0 % | 20,5 % |
| AssemblyAI Table 4 medical entity error rate (MER), respiratory (niedriger ist besser) | AssemblyAI Benchmarks | 3,3 % | 4,0 % |
| AssemblyAI Table 5 disease entity error rate, dictation (niedriger ist besser) | AssemblyAI Benchmarks | 11,2 % | 13,6 % |
| AssemblyAI Table 5 disease entity error rate, mean (niedriger ist besser) | AssemblyAI Benchmarks | 8,8 % | 9,2 % |
| AssemblyAI Table 5 disease entity error rate, primary care (niedriger ist besser) | AssemblyAI Benchmarks | 13,0 % | 11,8 % |
| AssemblyAI Table 5 disease entity error rate, respiratory (niedriger ist besser) | AssemblyAI Benchmarks | 2,2 % | 2,2 % |
| AssemblyAI Table 5 medication entity error rate, dictation (niedriger ist besser) | AssemblyAI Benchmarks | 20,5 % | 20,8 % |
| AssemblyAI Table 5 medication entity error rate, mean (niedriger ist besser) | AssemblyAI Benchmarks | 17,8 % | 19,8 % |
| AssemblyAI Table 5 medication entity error rate, primary care (niedriger ist besser) | AssemblyAI Benchmarks | 25,1 % | 29,3 % |
| AssemblyAI Table 5 medication entity error rate, respiratory (niedriger ist besser) | AssemblyAI Benchmarks | 7,7 % | 9,2 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Addresses (niedriger ist besser) | AssemblyAI Benchmarks | 24,8 % | 32,7 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), All classes (niedriger ist besser) | AssemblyAI Benchmarks | 25,9 % | 31,4 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), All, formatted (niedriger ist besser) | AssemblyAI Benchmarks | 42,4 % | 62,5 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Alphanumeric (niedriger ist besser) | AssemblyAI Benchmarks | 8,8 % | 10,0 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Dates (niedriger ist besser) | AssemblyAI Benchmarks | 29,3 % | 23,5 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Email (niedriger ist besser) | AssemblyAI Benchmarks | 16,3 % | 15,8 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Orgs (niedriger ist besser) | AssemblyAI Benchmarks | 25,6 % | 30,2 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Persons (niedriger ist besser) | AssemblyAI Benchmarks | 36,1 % | 49,1 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Phone (niedriger ist besser) | AssemblyAI Benchmarks | 16,9 % | 3,4 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Places (niedriger ist besser) | AssemblyAI Benchmarks | 22,3 % | 25,0 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), Products (niedriger ist besser) | AssemblyAI Benchmarks | 28,0 % | 33,0 % |
| AssemblyAI Table 6 judge-scored general English entity error (%), URLs (niedriger ist besser) | AssemblyAI Benchmarks | 20,8 % | 31,4 % |
| AssemblyAI Table 7 short-form English WER, Common Voice (niedriger ist besser) | AssemblyAI Benchmarks | 12,4 % | 7,7 % |
| AssemblyAI Table 7 short-form English WER, LibriSpeech clean (niedriger ist besser) | AssemblyAI Benchmarks | 3,3 % | 3,6 % |
| AssemblyAI Table 7 short-form English WER, LibriSpeech other (niedriger ist besser) | AssemblyAI Benchmarks | 6,7 % | 8,4 % |
| AssemblyAI Table 7 short-form English WER, mean 3 sets (niedriger ist besser) | AssemblyAI Benchmarks | 7,5 % | 6,5 % |
| AssemblyAI Table 8 accented English WER, British (niedriger ist besser) | AssemblyAI Benchmarks | 9,1 % | 9,6 % |
| AssemblyAI Table 8 accented English WER, French accent (niedriger ist besser) | AssemblyAI Benchmarks | 13,9 % | 14,8 % |
| AssemblyAI Table 8 accented English WER, Indian accent (niedriger ist besser) | AssemblyAI Benchmarks | 9,6 % | 9,6 % |
| AssemblyAI Table 8 accented English WER, mean 4 sets (niedriger ist besser) | AssemblyAI Benchmarks | 12,0 % | 12,6 % |
| AssemblyAI Table 8 accented English WER, Spanish accent (niedriger ist besser) | AssemblyAI Benchmarks | 15,2 % | 16,1 % |
| AssemblyAI Table 9 long-form English WER, CALLHOME per channel (niedriger ist besser) | AssemblyAI Benchmarks | 11,2 % | 12,1 % |
| AssemblyAI Table 9 long-form English WER, mean 3 sets (niedriger ist besser) | AssemblyAI Benchmarks | 9,8 % | 9,6 % |
| AssemblyAI Table 9 long-form English WER, Rev16 (niedriger ist besser) | AssemblyAI Benchmarks | 9,4 % | 8,1 % |
| AssemblyAI Table 9 long-form English WER, TED-LIUM (niedriger ist besser) | AssemblyAI Benchmarks | 7,4 % | 7,0 % |
| English short-form WER (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 7,5 % | 6,5 % |
| Entity error rate, report headline (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 26,1 % | 30,1 % |
| Entity error rate: codes and IDs (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 27,6 % | 46,1 % |
| Entity error rate: dates (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 43,7 % | 22,8 % |
| Entity error rate: email addresses (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 34,4 % | 40,7 % |
| Entity error rate: names (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 24,3 % | 29,0 % |
| Entity error rate: phone numbers (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 4,5 % | 11,5 % |
| Entity error rate: technical terms (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 39,4 % | 43,9 % |
| WER, report headline (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 8,6 % | 13,5 % |
| WER: heavy noise (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 9,9 % | 14,9 % |
| WER: low noise (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 8,5 % | 13,4 % |
| WER: no noise (niedriger ist besser) | AssemblyAI Universal-3.6 Pro Realtime report | 7,5 % | 12,3 % |
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.