ElevenLabsAssemblyAIAudio-DuellSpracherkennung
Scribe v2 Realtimevs.Universal-3.6 Pro Realtime
Welches Modell ist besser?
Scribe v2 Realtime und Universal-3.6 Pro Realtime liegen je nach Test vorn.
Nimm Scribe v2 Realtime für
Nimm Universal-3.6 Pro Realtime 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
je nach TeiltestUniversal-3.6 Pro Realtime ist in 0 von 15 Teiltests klar vorn und in 5 leicht, Scribe v2 Realtime in 0 klar und in 4 leicht. 6 sind gleichauf.
Coval Time to First Token (TTFT) maximum
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) maximum
niedriger ist besser, Stand 5. November 2026
Coval AudioToFinal maximum
niedriger ist besser, Stand 5. November 2026
Alle 15 Teiltests zeigen
| Teiltest | Scribe v2 Realtime | Universal-3.6 Pro Realtime | Urteil |
|---|---|---|---|
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 4.960 ms | 36.915 ms | Scribe v2 Realtime leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 5.714 ms | 27.919 ms | Scribe v2 Realtime leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 16,82 s | 36,92 s | Scribe v2 Realtime leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 1,96 | 4,10 | Scribe v2 Realtime leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 2.150 ms | 1.077 ms | Universal-3.6 Pro Realtime leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 4,2 % | 2,2 % | Universal-3.6 Pro Realtime leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 2.111 ms | 1.118 ms | Universal-3.6 Pro Realtime leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 112 ms | 99 ms | Universal-3.6 Pro Realtime leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 119 ms | 110 ms | Universal-3.6 Pro Realtime leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,02 | 1,02 | gleichauf |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,45 s | 8,43 s | gleichauf |
| Coval AudioToFinal mean (niedriger ist besser) | 8,07 s | 8,06 s | gleichauf |
| Coval RTF p50 (niedriger ist besser) | 1,01 | 1,01 | gleichauf |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 100,0 % | 100,0 % | gleichauf |
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 0,0 % | gleichauf |
Quelle · zuletzt 5. November 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| Scribe v2 Realtime | Universal-3.6 Pro Realtime | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | ElevenLabs | AssemblyAI |
| Status | Aktiv | Aktiv |
| Veröffentlicht | k. A. | 29. September 2026 |
| Gewichte | proprietär | proprietär |
| Läuft lokal | nein | nein |
| Preis | k. A. | 0,45 $ pro Audiostunde; Mengenrabatte verfügbar |
| Beliebtheit (von 100) | 29 | 0 |