OpenAIDeepgramAudio-DuellSpracherkennung
GPT-Realtime-Whispervs.Nova-3
Welches Modell ist besser?
Nova-3 liegt in unabhängigen Tests leicht vorn, sicher ist der Vorsprung aber nicht.
Nimm GPT-Realtime-Whisper für
Nimm Nova-3 für
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 16 Teiltests klar vorn und in 11 leicht, GPT-Realtime-Whisper in 0 klar und in 3 leicht. 2 sind gleichauf.
Coval Word Error Rate (WER) per-sample p50
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) mean
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) p50
niedriger ist besser, Stand 5. November 2026
Alle 16 Teiltests zeigen
| Teiltest | GPT-Realtime-Whisper | Nova-3 | Urteil |
|---|---|---|---|
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 3,1 % | GPT-Realtime-Whisper leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 564 ms | 86 ms | Nova-3 leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 547 ms | 91 ms | Nova-3 leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 10.968 ms | 5.457 ms | Nova-3 leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 5,55 | 2,89 | Nova-3 leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.878 ms | 1.000 ms | Nova-3 leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 4,0 % | 5,2 % | GPT-Realtime-Whisper leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.820 ms | 1.440 ms | Nova-3 leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 4,5 % | 5,6 % | GPT-Realtime-Whisper leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,09 | 1,01 | Nova-3 leicht vorn |
| Coval AudioToFinal mean (niedriger ist besser) | 8,51 s | 8,02 s | Nova-3 leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 20.386 ms | 19.227 ms | Nova-3 leicht vorn |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,88 s | 8,39 s | Nova-3 leicht vorn |
| Coval RTF p50 (niedriger ist besser) | 1,07 | 1,01 | Nova-3 leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 30,01 s | 29,38 s | gleichauf |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 100,0 % | 100,0 % | gleichauf |
Quelle · zuletzt 5. November 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| GPT-Realtime-Whisper | Nova-3 | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | OpenAI | Deepgram |
| Status | Aktiv | Aktiv |
| Gewichte | proprietär | proprietär |
| Läuft lokal | nein | nein |
| Preis | 0,017 $ pro Audiominute | k. A. |
| Beliebtheit (von 100) | 34 | 51 |