Quanto costa davvero non caricare nulla
Un modello vocale che sta in un browser è più piccolo di uno che gira su un rack di server. Ecco quanto vale quella differenza, misurata sullo stesso audio, per tutte le lingue.
errore sulle parole, più basso è meglio · FLEURS test · n = 111–120 · 2026-09-26
Come è stato misurato
A entrambi i sistemi sono state date le stesse 150 frasi per lingua, prese dal test set FLEURS di Google, sulla stessa macchina, con la stessa normalizzazione: maiuscole e punteggiatura ignorate. Una frase viene esclusa del tutto se il testo di riferimento, o l’output di uno dei due sistemi, contiene cifre: «1940» e «millenovecentoquaranta» sono entrambi corretti e nessuna regola unica normalizza questo in undici lingue. Le frasi escluse sono le stesse per entrambi i sistemi, ed escluderle allarga il divario invece di ridurlo. Il sistema di riferimento è Whisper large-v3, il modello usato dalla maggior parte dei servizi di trascrizione online gratuiti, quantizzato a q5_0. Molti servizi gratuiti usano in realtà una variante più piccola di Whisper, quindi il divario mostrato qui è il massimo che dovresti aspettarti.
Che cosa questi numeri non dicono
FLEURS è parlato letto registrato in condizioni silenziose, quindi entrambe le colonne sono ottimistiche rispetto a una vera registrazione di riunione. Guarda la differenza tra le colonne, non i valori assoluti. FLEURS inoltre include solo spagnolo latinoamericano e portoghese brasiliano, quindi le varianti europee di queste due lingue non sono misurate separatamente.
L’ultima colonna è il tasso di errore più basso pubblicato per ogni lingua su FLEURS, dagli sviluppatori del sistema o in un articolo di ricerca: non l’abbiamo misurato noi. Quelle cifre usano il test set completo e un calcolo più severo del nostro: lo stesso Whisper large-v3 qui fa 2,9 % in tedesco, ma 4,5–4,9 % nei dati pubblicati. A parità di condizioni, il divario dai migliori sistemi cloud è un po’ più ampio di quanto mostrino queste colonne.
ElevenLabs Scribe v1 (self-reported) · Mistral Voxtral Mini Transcribe V2 (Voxtral Realtime paper, Table 7) · Whisper large-v3 (OpenAI, large-v3 release) · NVIDIA Canary-1B-v2 (Canary-1B-v2 paper, Table 11)
Misurato in questa pagina con Chrome su Apple M2 (8 cores), con 3 riconoscitori in parallelo come fa il sito per impostazione predefinita: circa 20 volte più veloce del tempo reale. Computer con meno core, telefoni e schede lasciate in secondo piano sono più lenti.