RedPanda Transcribe

Quanto custa de verdade não enviar nada

Um modelo de fala que cabe em um navegador é menor do que um que roda num rack de servidores. Esta é a distância entre os dois, medida no mesmo áudio, para todos os idiomas.

Idioma
Download
Tempo por hora de áudio
Esta ferramenta (no seu navegador)
Whisper large-v3 (nível nuvem)
Melhor resultado publicado
inglês
Download110 MB
Tempo por hora de áudio≈ 3,0 min
Esta ferramenta (no seu navegador)6,90 %
Whisper large-v3 (nível nuvem)3,76 %
Melhor resultado publicado3,3 %Mistral Voxtral Mini Transcribe V2
italiano
Download111 MB
Tempo por hora de áudio≈ 3,1 min
Esta ferramenta (no seu navegador)3,14 %
Whisper large-v3 (nível nuvem)2,45 %
Melhor resultado publicado1,3 %ElevenLabs Scribe v1
alemão
Download109 MB
Tempo por hora de áudio≈ 3,3 min
Esta ferramenta (no seu navegador)10,05 %
Whisper large-v3 (nível nuvem)2,88 %
Melhor resultado publicado2,7 %ElevenLabs Scribe v1
espanhol
Download112 MB
Tempo por hora de áudio≈ 3,2 min
Esta ferramenta (no seu navegador)2,81 %
Whisper large-v3 (nível nuvem)1,42 %
Melhor resultado publicado2,0 %ElevenLabs Scribe v1
francês
Download112 MB
Tempo por hora de áudio≈ 3,0 min
Esta ferramenta (no seu navegador)8,32 %
Whisper large-v3 (nível nuvem)4,32 %
Melhor resultado publicado3,1 %ElevenLabs Scribe v1
holandês
Download112 MB
Tempo por hora de áudio≈ 3,3 min
Esta ferramenta (no seu navegador)10,01 %
Whisper large-v3 (nível nuvem)4,61 %
Melhor resultado publicado3,4 %ElevenLabs Scribe v1
português
Download111 MB
Tempo por hora de áudio≈ 3,2 min
Esta ferramenta (no seu navegador)4,99 %
Whisper large-v3 (nível nuvem)3,13 %
Melhor resultado publicado2,3 %ElevenLabs Scribe v1
turco
Download110 MB
Tempo por hora de áudio≈ 3,1 min
Esta ferramenta (no seu navegador)6,81 %
Whisper large-v3 (nível nuvem)5,62 %
Melhor resultado publicado3,8 %ElevenLabs Scribe v1
sueco
Download112 MB
Tempo por hora de áudio≈ 3,2 min
Esta ferramenta (no seu navegador)8,71 %
Whisper large-v3 (nível nuvem)6,28 %
Melhor resultado publicado3,4 %ElevenLabs Scribe v1
russo
Download22 MB
Tempo por hora de áudio≈ 1,4 min
Esta ferramenta (no seu navegador)9,55 %
Whisper large-v3 (nível nuvem)3,78 %
Melhor resultado publicado3,1 %ElevenLabs Scribe v1

erro por palavra, quanto menor melhor · FLEURS test · n = 111–120 · 2026-09-26

Como isto foi medido

Os dois sistemas receberam as mesmas 150 frases por idioma do conjunto de teste FLEURS do Google, na mesma máquina, com a mesma normalização: maiúsculas e pontuação não contam. Uma frase é excluída por completo se o texto de referência, ou a saída de qualquer um dos dois sistemas, contiver algarismos — “1940” e “mil novecentos e quarenta” estão ambos certos, e nenhuma regra única normaliza isso em onze idiomas. As frases descartadas são as mesmas para os dois sistemas, e descartá-las aumenta a diferença em vez de reduzi-la. O sistema de referência é o Whisper large-v3, o modelo que a maioria dos serviços de transcrição on-line gratuitos usa, quantizado em q5_0. Muitos serviços gratuitos rodam na verdade uma variante menor do Whisper, então a diferença mostrada aqui é a maior que se deve esperar.

O que estes números não dizem

FLEURS é fala lida gravada em ambiente silencioso, então as duas colunas são otimistas em relação a uma gravação real de reunião. Olhe a diferença entre as colunas, não os valores absolutos. O FLEURS também só traz espanhol latino-americano e português brasileiro, de modo que as variantes europeias desses dois idiomas não são medidas separadamente.

A última coluna é a menor taxa de erro publicada para cada idioma no FLEURS, pelos próprios desenvolvedores do sistema ou num artigo científico — não foi medida por nós. Esses números usam o conjunto de teste completo e um cálculo mais rigoroso que o nosso: o mesmo Whisper large-v3 tem aqui 2,9 % em alemão, mas 4,5–4,9 % nos dados publicados. Em condições iguais, a distância para os melhores sistemas em nuvem é um pouco maior do que estas colunas mostram.

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)

Medido nesta página no Chrome em Apple M2 (8 cores), com 3 reconhecedores em paralelo, como o site faz por padrão: cerca de 20 vezes mais rápido que o tempo real. Computadores com menos núcleos, celulares e abas deixadas em segundo plano são mais lentos.