Cómo leer benchmarks · Guía

Transcripción

Para transcripción, lo que decide en mi uso es el error de palabra en el audio en portugués de Brasil, junto con la velocidad, el precio por mil minutos y la diarización. El WER de LibriSpeech, saturado y en inglés leído, no sirve para esa elección.

El Open ASR Leaderboard de Hugging Face existe, pero los números de ese cuadro no se recolectaron en esta pasada.

En una cita puntual de Artificial Analysis, en la última versión consultada, Fun-Realtime-ASR-preview de Alibaba aparece con AA-WER de 1,7%, a US$ 2,82 por mil minutos. Source: Artificial Analysis (artificialanalysis.ai). La métrica pondera AgentTalk en 50%, VoxPopuli en 25% y Earnings22 en 25%, una base mayoritariamente en inglés, y el propio sello "preview" puede cambiar. Para una reunión, una entrevista o la atención en PT-BR, la prueba con tu audio sigue delante de ese recorte.

Cuadro de fuentes abiertas

Transcripción queda sin cuadro numérico. Lo que haya de Artificial Analysis permanece como cita en el texto.