Zum Hauptinhalt springen

DeepgramAudiomodellAktiv

Nova-3

BeliebtheitPlatz 99 von 876

51von 100wie im Vormonat

Zusammenfassung

Nova-3 ist Deepgrams allgemeines Speech-to-Text-Modell für Batch und Streaming. Die mehrsprachige Option deckt Englisch, Spanisch, Französisch, Deutsch, Hindi, Russisch, Portugiesisch, Japanisch, Italienisch und Niederländisch ab, wobei Englisch als Standard gilt. Deepgram dokumentiert dafür Meetings, Untertitel, mehrere Sprecher sowie laute und weit entfernte Audiosignale.

Nova-3 transkribiert Sprache, liefert aber keine modellintegrierte Turn-Erkennung. Flux ergänzt genau diese Erkennung des Gesprächsendes für englische Sprachagenten.

GraduallyBench Audio

Spracherkennung automatisch verglichen.

Der Pilot nutzt dieselben 32 gelesenen Sprachaufnahmen auf Deutsch und Englisch sowie vier Clips mit digitaler Stille. Der Vergleich verwendet Quelltranskripte ohne menschliche Gegenprüfung. Jede Sprache enthält vier Sprechende. Spontane Sprache und Störgeräusche deckt diese Kohorte nicht ab.

Die Wortfehlerrate (WER) zählt ersetzte, ausgelassene und eingefügte Wörter im Verhältnis zu den Referenzwörtern. Die Zeichenfehlerrate (CER) vergleicht Zeichen. Kleinere Werte bedeuten weniger Abweichungen vom Referenztext. WER kann über 100 % liegen. Unter jedem Wert stehen Fehler / Referenzeinheiten. Stille wird getrennt ausgewertet.

Protokoll audio-stt-read-speech-automated-v1. Die tatsächliche Anbieterabrechnung ist unbekannt.

Deepgram Nova 3

Cloudflare Workers AI · @cf/deepgram/nova-3 · Getestet 05.11.2026

Erfolgreiche Anfragen 36 / 36. Die angefragte Route bestätigt keine genaue Backendversion.

Transkription gelesener Sprache
SpracheErfolgreiche AntwortenWERCERWER, Sprechermittel
Deutsch16 / 168,55 %47 / 5502,61 %85 / 32628,16 %n = 4 / 4
Englisch16 / 162,04 %10 / 4900,66 %17 / 25802,02 %n = 4 / 4
Digitale Stille
SpracheinstellungClips mit erfundener SpracheErfundene Wörter
DE0 / 20
EN0 / 20

Anfragedauer, Median / p95 1.180,5 / 2.849 ms (n = 36). Inklusive Netzweg und Client-Verarbeitung.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 307 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 26

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

Artificial Analysis AA-WER (non-streaming) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
5.2
Bewertung
5.2
Messgröße
word error rate (WER)
Einheit
%
Benchmark-Version
AA-WER v2.2
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
Artificial Analysis
Status
active
Abrufdatum
2026-10-15
Methodik
Unabhängige Evaluation. Artificial Analysis hat den genannten API-Endpunkt direkt getestet; Nach Audiodauer gewichtete WER über AA-AgentTalk (50 %), VoxPopuli-Cleaned-AA English (25 %) und Earnings22-Cleaned-AA (25 %), insgesamt etwa acht Stunden. Aktuelle Normalisierung AA-WER v2.2.
Quelle Artificial Analysis
Oruk IEMOCAP transcript-sentiment valence accuracy (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
46.3
Bewertung
46.3
Messgröße
three-class sentiment-polarity accuracy
Einheit
%
Benchmark-Version
Oruk report revision 2026-09-06; evaluated 2026-08-01
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
1947
Untere Konfidenzgrenze
44.1
Obere Konfidenzgrenze
48.5
Quellentyp
vendor-reported
Auswertung
Oruk diagnostic report
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Deepgram nova-3 mit Sentiment aus dem Transkript; gespielte Sprache aus IEMOCAP, ausgewertet am 1. August 2026. Zuordnung der Goldlabels und Sentiment-Ausgaben zu negativ, neutral und positiv. 1.947 bewertete Antworten aus dem Testsplit mit 2.008 Aufnahmen.
Einordnung
Der Herausgeber verkauft ein Konkurrenzprodukt und hat einen direkten kommerziellen Interessenkonflikt. Dies ist keine unabhängige Prüfung durch Dritte. Die Eingabe ist Sentiment aus dem Transkript, keine akustische Emotionserkennung; die Metrik ist keine Wortfehlerrate. Die Sarkasmuswerte messen ein zusätzlich trainiertes Modell und dessen Datenaufteilung, keine native Sarkasmusfunktion von Nova-3 oder allgemeine Transkriptionsqualität.
Quelle Oruk diagnostic report
Oruk MUStARD speaker-dependent sarcasm macro F1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
51.7
Bewertung
51.7
Messgröße
macro F1 multiplied by 100
Einheit
%
Benchmark-Version
Oruk report revision 2026-09-06; evaluated 2026-08-01
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
690
Quellentyp
vendor-reported
Auswertung
Oruk diagnostic report
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Deepgram nova-3 mit Sentiment aus dem Transkript und zusätzlichem trainiertem logistischem Modell zur Sarkasmuserkennung; MUStARD mit sprecherabhängiger fünffacher Kreuzvalidierung, ausgewertet am 1. August 2026. Vorhersagen außerhalb der jeweiligen Trainings-Folds über 690 Äußerungen.
Einordnung
Der Herausgeber verkauft ein Konkurrenzprodukt und hat einen direkten kommerziellen Interessenkonflikt. Dies ist keine unabhängige Prüfung durch Dritte. Die Eingabe ist Sentiment aus dem Transkript, keine akustische Emotionserkennung; die Metrik ist keine Wortfehlerrate. Die Sarkasmuswerte messen ein zusätzlich trainiertes Modell und dessen Datenaufteilung, keine native Sarkasmusfunktion von Nova-3 oder allgemeine Transkriptionsqualität.
Quelle Oruk diagnostic report
Oruk MUStARD speaker-independent sarcasm macro F1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
39.5
Bewertung
39.5
Messgröße
macro F1 multiplied by 100
Einheit
%
Benchmark-Version
Oruk report revision 2026-09-06; evaluated 2026-08-01
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
690
Quellentyp
vendor-reported
Auswertung
Oruk diagnostic report
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Deepgram nova-3 mit Sentiment aus dem Transkript und zusätzlichem trainiertem logistischem Modell zur Sarkasmuserkennung; MUStARD mit sprecherunabhängig gruppierter fünffacher Kreuzvalidierung, ausgewertet am 1. August 2026. Keine Überschneidung von Sprechern zwischen Trainings- und Test-Folds, 690 Äußerungen.
Einordnung
Der Herausgeber verkauft ein Konkurrenzprodukt und hat einen direkten kommerziellen Interessenkonflikt. Dies ist keine unabhängige Prüfung durch Dritte. Die Eingabe ist Sentiment aus dem Transkript, keine akustische Emotionserkennung; die Metrik ist keine Wortfehlerrate. Die Sarkasmuswerte messen ein zusätzlich trainiertes Modell und dessen Datenaufteilung, keine native Sarkasmusfunktion von Nova-3 oder allgemeine Transkriptionsqualität.
Quelle Oruk diagnostic report
Oruk MUStARD cross-show sarcasm macro F1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
29.9
Bewertung
29.9
Messgröße
macro F1 multiplied by 100
Einheit
%
Benchmark-Version
Oruk report revision 2026-09-06; evaluated 2026-08-01
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Oruk diagnostic report
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Deepgram nova-3 mit Sentiment aus dem Transkript und zusätzlichem trainiertem logistischem Modell zur Sarkasmuserkennung; MUStARD mit serienübergreifendem Test auf Friends nach Training auf The Big Bang Theory, Golden Girls und Sarcasmoholics, ausgewertet am 1. August 2026. Die Größe des bewerteten Testsplits wird nicht genannt.
Einordnung
Der Herausgeber verkauft ein Konkurrenzprodukt und hat einen direkten kommerziellen Interessenkonflikt. Dies ist keine unabhängige Prüfung durch Dritte. Die Eingabe ist Sentiment aus dem Transkript, keine akustische Emotionserkennung; die Metrik ist keine Wortfehlerrate. Die Sarkasmuswerte messen ein zusätzlich trainiertes Modell und dessen Datenaufteilung, keine native Sarkasmusfunktion von Nova-3 oder allgemeine Transkriptionsqualität. Die Stichprobengröße des serienübergreifenden Tests ist unbekannt. Die Zahl des gesamten Datensatzes wird diesem Split nicht zugeordnet.
Quelle Oruk diagnostic report
Coval rolling-30-day pooled word error rate (Nova 3 endpoint) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
5.304104762675151
Bewertung
5.304104762675151
Messgröße
Pooled word error rate across Coval's fixed public speech-recognition audio conditions
Einheit
%
Benchmark-Version
Coval rolling 30-day snapshot, last measured 2026-10-16, source response fetched 2026-10-16T15:36:04.059740Z
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
26025
Quellentyp
independent-evaluator
Auswertung
Coval
Status
superseded
Abrufdatum
2026-10-16
Methodik
Unabhängige Evaluation. Exakte gehostete Modell-ID nova-3 von Deepgram. Coval berichtet tägliche Endpunkttests mit festem öffentlichem Audio über ein rollierendes 30-Tage-Fenster, zuletzt gemessen am 16.10.2026. Gespeichert ist pooled_value=5.304104762675151 aus der WER-Zeile, nicht mean_value; Covals sichtbare 5,3 % sind auf eine Dezimalstelle gerundet. Die Zahl bewerteter WER-Messungen stammt aus derselben Zeile.
Einordnung
Die WER-Zeile umfasst nur die dafür bewerteten Messungen, nicht alle versuchten Anfragen oder Fehler. Ein Konfidenzintervall wird nicht veröffentlicht. Dieses rollierende Coval-Endpunktergebnis ist vom AA-WER von Artificial Analysis getrennt.
Quelle Coval
Cekura Converse-STT, Deepgram Nova-3 Pipecat WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3.46
Bewertung
3.46
Messgröße
word error rate (WER) on Pipecat public short-clip speech-to-text set
Einheit
%
Benchmark-Version
Cekura Converse-STT page last updated 2026-09-16, retrieved 2026-10-17
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
1000
Untere Konfidenzgrenze
3.16
Obere Konfidenzgrenze
3.78
Quellentyp
independent-evaluator
Auswertung
Cekura Bench
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Streaming-STT-Modellzeile Deepgram Nova-3. Der Pipecat-Datensatz enthält 1.000 öffentliche Clips; für die Modellzeile sind 1.000 nutzbare Ausgaben ausgewiesen. Cekura bezeichnet die Unsicherheitsspanne als wahrscheinlichen 95-%-Bereich. Die bereitgestellte Endpunktversion ist nicht gepinnt.
Einordnung
Das veröffentlichte Intervall ist Cekuras wahrscheinlicher 95-%-Bereich, kein separat dokumentiertes Modell-Konfidenzintervall. Laut Seite sind die je Modell ausgewiesenen Anzahlen nutzbare Ausgaben. Diese eigene WER-Beobachtung auf öffentlichen Clips ist weder die bestehende AA-WER- noch die Coval-WER-Zeile.
Quelle Cekura Bench
Cekura Converse-STT, Deepgram Nova-3 Ocular WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
4.39
Bewertung
4.39
Messgröße
word error rate (WER) on Ocular licensed real-phone-conversation speech-to-text set
Einheit
%
Benchmark-Version
Cekura Converse-STT page last updated 2026-09-16, retrieved 2026-10-17
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
8
Untere Konfidenzgrenze
3.42
Obere Konfidenzgrenze
5.25
Quellentyp
independent-evaluator
Auswertung
Cekura Bench
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Streaming-STT-Modellzeile Deepgram Nova-3. Ocular stellt acht lizenzierte Aufnahmen aus vier echten Telefongesprächen bereit; für die Modellzeile sind acht nutzbare Ausgaben ausgewiesen. Cekura bezeichnet die Unsicherheitsspanne als wahrscheinlichen 95-%-Bereich. Die bereitgestellte Endpunktversion ist nicht gepinnt.
Einordnung
Das veröffentlichte Intervall ist Cekuras wahrscheinlicher 95-%-Bereich, kein separat dokumentiertes Modell-Konfidenzintervall. Laut Seite sind die je Modell ausgewiesenen Anzahlen nutzbare Ausgaben. Diese eigene WER-Beobachtung aus echten Gesprächen ist weder die bestehende AA-WER- noch die Coval-WER-Zeile.
Quelle Cekura Bench
Commercial ASR on Dysarthric Speech (TORGO) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2.77
Bewertung
2.77
Messgröße
Mild dysarthria word error rate (WER), utterance-weighted mean
Einheit
%
Benchmark-Version
arXiv:2512.17474v2; API evaluation 2025-09-17 to 2025-09-18
Kategorie
dysarthric-speech-recognition
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
Benchmarking Commercial Speech Recognition on Dysarthric Speech
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exakte Modellzeile der Studie: Deepgram Nova-3, Modell-ID nova-3; Zugriff über die öffentliche API am 17. und 18. September 2025. Die herkömmliche automatische Spracherkennung nutzte API-Standardparameter, ohne Fine-Tuning oder Sprecheranpassung. Diese Zeile bildet die Standardbedingung ohne Prompt ab. Die TORGO-Aufnahmen vom kopfgetragenen Mikrofon wurden als monophone WAV-Dateien mit 16 kHz bereitgestellt. Äußerungen unter drei Wörtern und Datensätze ohne Referenztranskript wurden ausgeschlossen.
Einordnung
Deskriptiver, nach Schweregrad aufgeschlüsselter Befund von acht TORGO-Sprechenden, keine Aussage zur allgemeinen englischen Spracherkennungsleistung. Die Studie veröffentlicht weder die Zahl der je Modell ausgewerteten gültigen Ausgaben noch Konfidenzintervalle oder eine unveränderliche Serverversion des Anbieters. Der angegebene Wert nach ± ist eine Standardabweichung, kein Konfidenzintervall.
Quelle Benchmarking Commercial Speech Recognition on Dysarthric Speech
Commercial ASR on Dysarthric Speech (TORGO) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1.44
Bewertung
1.44
Messgröße
Mild dysarthria character error rate (CER), utterance-weighted mean
Einheit
%
Benchmark-Version
arXiv:2512.17474v2; API evaluation 2025-09-17 to 2025-09-18
Kategorie
dysarthric-speech-recognition
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
Benchmarking Commercial Speech Recognition on Dysarthric Speech
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exakte Modellzeile der Studie: Deepgram Nova-3, Modell-ID nova-3; Zugriff über die öffentliche API am 17. und 18. September 2025. Die herkömmliche automatische Spracherkennung nutzte API-Standardparameter, ohne Fine-Tuning oder Sprecheranpassung. Diese Zeile bildet die Standardbedingung ohne Prompt ab. Die TORGO-Aufnahmen vom kopfgetragenen Mikrofon wurden als monophone WAV-Dateien mit 16 kHz bereitgestellt. Äußerungen unter drei Wörtern und Datensätze ohne Referenztranskript wurden ausgeschlossen.
Einordnung
Deskriptiver, nach Schweregrad aufgeschlüsselter Befund von acht TORGO-Sprechenden, keine Aussage zur allgemeinen englischen Spracherkennungsleistung. Die Studie veröffentlicht weder die Zahl der je Modell ausgewerteten gültigen Ausgaben noch Konfidenzintervalle oder eine unveränderliche Serverversion des Anbieters. Der angegebene Wert nach ± ist eine Standardabweichung, kein Konfidenzintervall.
Quelle Benchmarking Commercial Speech Recognition on Dysarthric Speech
Commercial ASR on Dysarthric Speech (TORGO) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
98.54
Bewertung
98.54
Messgröße
Mild dysarthria semantic preservation score (SeMaScore), utterance-weighted mean
Einheit
%
Benchmark-Version
arXiv:2512.17474v2; API evaluation 2025-09-17 to 2025-09-18
Kategorie
dysarthric-speech-recognition
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Benchmarking Commercial Speech Recognition on Dysarthric Speech
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exakte Modellzeile der Studie: Deepgram Nova-3, Modell-ID nova-3; Zugriff über die öffentliche API am 17. und 18. September 2025. Die herkömmliche automatische Spracherkennung nutzte API-Standardparameter, ohne Fine-Tuning oder Sprecheranpassung. Diese Zeile bildet die Standardbedingung ohne Prompt ab. Die TORGO-Aufnahmen vom kopfgetragenen Mikrofon wurden als monophone WAV-Dateien mit 16 kHz bereitgestellt. Äußerungen unter drei Wörtern und Datensätze ohne Referenztranskript wurden ausgeschlossen.
Einordnung
Deskriptiver, nach Schweregrad aufgeschlüsselter Befund von acht TORGO-Sprechenden, keine Aussage zur allgemeinen englischen Spracherkennungsleistung. Die Studie veröffentlicht weder die Zahl der je Modell ausgewerteten gültigen Ausgaben noch Konfidenzintervalle oder eine unveränderliche Serverversion des Anbieters. Der angegebene Wert nach ± ist eine Standardabweichung, kein Konfidenzintervall.
Quelle Benchmarking Commercial Speech Recognition on Dysarthric Speech
Commercial ASR on Dysarthric Speech (TORGO) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
97.53
Bewertung
97.53
Messgröße
Mild dysarthria BERTScore, utterance-weighted mean
Einheit
%
Benchmark-Version
arXiv:2512.17474v2; API evaluation 2025-09-17 to 2025-09-18
Kategorie
dysarthric-speech-recognition
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Benchmarking Commercial Speech Recognition on Dysarthric Speech
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exakte Modellzeile der Studie: Deepgram Nova-3, Modell-ID nova-3; Zugriff über die öffentliche API am 17. und 18. September 2025. Die herkömmliche automatische Spracherkennung nutzte API-Standardparameter, ohne Fine-Tuning oder Sprecheranpassung. Diese Zeile bildet die Standardbedingung ohne Prompt ab. Die TORGO-Aufnahmen vom kopfgetragenen Mikrofon wurden als monophone WAV-Dateien mit 16 kHz bereitgestellt. Äußerungen unter drei Wörtern und Datensätze ohne Referenztranskript wurden ausgeschlossen.
Einordnung
Deskriptiver, nach Schweregrad aufgeschlüsselter Befund von acht TORGO-Sprechenden, keine Aussage zur allgemeinen englischen Spracherkennungsleistung. Die Studie veröffentlicht weder die Zahl der je Modell ausgewerteten gültigen Ausgaben noch Konfidenzintervalle oder eine unveränderliche Serverversion des Anbieters. Der angegebene Wert nach ± ist eine Standardabweichung, kein Konfidenzintervall.
Quelle Benchmarking Commercial Speech Recognition on Dysarthric Speech

Seite 1 von 26

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 83 Modellen

pyannote Community-173
Nemotron-3-Diarization57
Gemini 3.5 Transcribe52
Confucius4-R2T252
NVIDIA Nemotron 3.5 Transcribe52
Granite Speech 5.0 470M TurboCTC52
Kokoro-82M51
Nova-351
Fish Audio S2 Pro51
Granite Speech 5.0 470M TurboCTC NC50
Orukeet49
Lyria 3.547
Gemini 3.5 Live Translate46
Phonon-244
Aura-244
Gemini 3.1 Flash TTS44
MiniMax-Music341
Audio8-ASR-Infinite41
GPT-Realtime 2.141
Maya 2 Native40

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 6. November 2026

Nova-3NVIDIA Nemotron 3.5 Transcribe 52Granite Speech 5.0 470M TurboCTC 52Kokoro-82M 51Fish Audio S2 Pro 51

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Nova-3 im Vergleich

Ähnliche Modelle

Weitere Modelle derselben Art wie Nova-3, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.

Alle technischen Daten

Architektur

Modellklasse
Spracherkennung
Quelle: Modellklasse

Ein- und Ausgabe

Eingabe
Audiodatei oder Audio-Stream
Quelle: Eingabe
Ausgabe
Text
Quelle: Ausgabe
Sprachen
Mehrsprachige Option für Englisch, Spanisch, Französisch, Deutsch, Hindi, Russisch, Portugiesisch, Japanisch, Italienisch und Niederländisch; Standard ist Englisch
Quelle: Sprachen

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
API
Quelle: Zugang

API

API-Modellkennung
nova-3
Quelle: API-Modellkennung

Weitere Angaben

Aufgabe
Transkription
Quelle: Aufgabe
Unterstützte Details
Mehrsprachig, Batch und Streaming
Quelle: Unterstützte Details
Einsatzbereich
Allgemeine Spracherkennung ohne integrierte Sprecherwechsel-Erkennung
Quelle: Einsatzbereich

Quellen und Datenstand

Alle 46 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

AuswerterTestreihenGesamtindizesErfasste aktive Messwerte
Artificial Analysis001

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.

ArtNachweis und Datenstand
RecherchestandRecherchestand 15. Oktober 2026. 42 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

torgo-model-specific-effective-sample-count

Originalwortlaut

The paper gives corpus counts of 195 mild, 253 moderate, and 284 severe utterances, but not the exact successful-output N used for each Nova-3 metric. No sample count is assigned.

Nicht veröffentlicht

torgo-confidence-intervals

Originalwortlaut

Table 3 reports mean ± standard deviation only. It does not give confidence-interval bounds.

Nicht veröffentlicht

torgo-nova-3-serving-revision

Originalwortlaut

The study identifies API model ID nova-3 and an evaluation window in September 2025, but no immutable provider build or checkpoint hash.

Ungeklärt

exact-serving-snapshot-and-unpublished-method-details

Hinweis

Die erfasste externe Quelle meldet ein benchmarkspezifisches Modell oder eine gehostete Route, belegt aber keinen unveränderlichen aktuell ausgelieferten Checkpoint. Nicht veröffentlichte Nenner je Zeile und Konfidenzintervalle bleiben unbekannt; Stichprobenumfänge wurden nur für ausdrücklich bezifferte Zellen eingetragen.

Ungeklärt

confidence intervals and per-model N

Hinweis

AirCaps berichtet nur Punktschätzungen ohne Konfidenzintervalle. VoiceCodeBench nennt 300 Datensatzclips, weist aber kein modellbezogenes N separat aus; Methode und Richtung der Leaderboard-Latenz sind unklar.

Weitere QuelleDeepgram speech-to-text documentation (abgerufen 24. September 2026; 15. Oktober 2026; 16. Oktober 2026; 17. Oktober 2026) · Deepgram speech-to-text models and languages · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere QuelleArtificial Analysis (abgerufen 15. Oktober 2026)
Weitere QuelleOruk diagnostic report (abgerufen 16. Oktober 2026)
Weitere QuelleCoval (abgerufen 16. Oktober 2026; 17. Oktober 2026; 18. Oktober 2026; 28. Oktober 2026; 29. Oktober 2026; 30. Oktober 2026; 31. Oktober 2026; 1. November 2026; 2. November 2026; 5. November 2026; 6. November 2026)
Weitere QuelleCekura Bench (abgerufen 17. Oktober 2026; 23. Oktober 2026)
Weitere QuelleBenchmarking Commercial Speech Recognition on Dysarthric Speech (abgerufen 17. Oktober 2026)
Weitere QuelleSpeko independent speech benchmark (abgerufen 17. Oktober 2026)
Weitere QuelleAssemblyAI Universal-3.6 Pro Realtime report (abgerufen 17. Oktober 2026)
Weitere QuelleSuperwhisper speech benchmark (abgerufen 17. Oktober 2026)
Weitere QuelleMU-Bench (abgerufen 17. Oktober 2026)
Weitere QuelleMenta, The TTS-STT Flywheel: Synthetic Entity-Dense Audio Closes the Indic ASR Gap Where Commercial and Open-Source Systems Fail (arXiv:2605.03073v1) (abgerufen 17. Oktober 2026)
Weitere QuelleDeepgram model comparison and internal test suite (abgerufen 17. Oktober 2026)
Weitere QuelleOcular Converse-STT Benchmark (abgerufen 18. Oktober 2026)
Weitere QuelleVoice Arena Diarization-Bench v1 (abgerufen 18. Oktober 2026)
Weitere QuelleNyra Verbatim Speech Benchmark (abgerufen 18. Oktober 2026)
Weitere QuelleSpecific Labs (abgerufen 19. Oktober 2026)
Weitere QuelleAirCaps A5Sv2 ASR benchmark (abgerufen 19. Oktober 2026)
Weitere QuelleVals AI / BeSimple AI VoiceCodeBench (abgerufen 19. Oktober 2026)
Weitere QuelleAssemblyAI Benchmarks (abgerufen 19. Oktober 2026)
Weitere QuelleDeepgram German Benchmarks (abgerufen 17. Oktober 2026; 22. Oktober 2026)
Weitere QuellePerit PERIT-STT speech-to-text leaderboard (abgerufen 23. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 15. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 16. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026)1234
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026; 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 18. Oktober 2026)12
Weitere QuelleModellmetadaten (abgerufen 28. Oktober 2026)1234
Weitere QuelleModellmetadaten (abgerufen 5. November 2026)123
Weitere QuelleModellmetadaten (abgerufen 6. November 2026)123
Weitere QuelleOpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleVercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleOllama: kumulierte Downloads für den Beliebtheitsindex
Weitere QuelleReplicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere QuelleGoogle Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere QuelleCreative Commons Attribution 4.0