OpenAIGoogleAudio-DuellSpracherkennung
GPT-Realtime-Whispervs.Gemini 3.5 Transcribe Live
Welches Modell ist besser?
Gemini 3.5 Transcribe Live liegt in unabhängigen Tests leicht vorn, sicher ist der Vorsprung aber nicht.
Nimm GPT-Realtime-Whisper für
Nimm Gemini 3.5 Transcribe Live 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“.
Pipecat STT Benchmark
Gemini 3.5 Transcribe Live leicht vornGemini 3.5 Transcribe Live ist in 0 von 2 Teiltests klar vorn und in 2 leicht, GPT-Realtime-Whisper in keinem.
Pipecat STT Benchmark semantic WER mean
niedriger ist besser, Stand 16. Oktober 2026
Pipecat STT Benchmark semantic pooled WER
niedriger ist besser, Stand 16. Oktober 2026
Quelle · zuletzt 16. Oktober 2026
Artificial Analysis
Gemini 3.5 Transcribe Live leicht vornArtificial Analysis AA-WER Streaming (final transcription)
niedriger ist besser, Stand 15. Oktober 2026
Quelle · zuletzt 15. Oktober 2026
Coval
Gemini 3.5 Transcribe Live leicht vornCoval Word Error Rate (WER) per-sample mean
niedriger ist besser, Stand 2. November 2026
Quelle · zuletzt 2. November 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| GPT-Realtime-Whisper | Gemini 3.5 Transcribe Live | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | OpenAI | |
| Status | Aktiv | Aktiv |
| Gewichte | proprietär | proprietär |
| Läuft lokal | nein | nein |
| Preis | 0,017 $ pro Audiominute | 3,50 $ je 1 Mio. Audio-Token (0,005 $ je Audiominute) |
| Beliebtheit (von 100) | 34 | 35 |