Caso de uso dado provisório
Melhores modelos de IA para transcrição: comparação com benchmarks
Transformar áudio em texto. Mesmo caso da voz: a tabela do Open ASR entra quando a licença estiver confirmada.
Sem tabela de benchmark com licença aberta para este caso. Ordenado por uso real.
Como ler esta tabela
- Cada linha é um modelo. CliqueToque no nome para abrir a ficha, com fontes e histórico. CliqueToque no cabeçalho para ordenar.
- As notas de benchmark são percentuais, e o maior valor é o melhor. Eu comparo sempre a mesma métrica, com a mesma fonte, na versão mais recente consultada. Nesta área, na faixa de 90% a 100%, eu trato uma diferença de 1 ou 2 pontos como possível ruído de medição.
- O "?" ao lado de cada coluna explica o que ela mede e quando importa. "Sem dado" quer dizer que não há medição nas fontes abertas que esta área usa. "Dado provisório" marca um campo derivado por regra, como o caso de uso.
- Preço de entrada e de saída é o preço de lista no OpenRouter, em dólar por 1 milhão de tokens, e os dois podem ser bem diferentes. O selo "a conferir" marca um valor estranho na fonte, que não entra nas recomendações. Uso é a fatia de tokens no ranking público do OpenRouter, no último dia publicado nessa fonte. Downloads são a janela de 30 dias do repositório oficial no Hugging Face. O GPQA Diamond da Epoch e o do OpenRouter medem o mesmo teste, mas podem divergir.
| ?o que é | ? | ? | ? | ? | ? | ? | ? | ? | ? | |
|---|---|---|---|---|---|---|---|---|---|---|
| Whisper large-v3OpenAI | aberto | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | 3.560.236 |
| Qwen3-ASRAlibaba | aberto | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | 1.705.677 |
| Voxtral Mini 4B RealtimeMistral AI | aberto | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | sem dado | 1.512.657 |
Qual modelo usar para quê
Esta indicação acompanha os dados e muda quando eles mudam.
Transcrição
- Regra: Mais baixado no Hugging Face (30 dias)Whisper large-v3 3.560.236 downloads
Downloads em 30 dias ?
O que isso significa?
O que mede: Downloads do repositório oficial no Hugging Face, na janela de 30 dias dessa fonte.
Quando importa: É um sinal de adoção para modelos abertos. Um número alto pode vir de um repositório conhecido ou de uma instalação simples. Eu não uso essa coluna para decidir qualidade sozinha.
Os principais modelos fechados de vídeo, voz, imagem e transcrição (como Veo, Kling, Runway, Seedance, ElevenLabs e Midjourney) não têm página própria neste catálogo, mas entram no Recomendador, com a nota da Arena quando existe e o preço da página oficial de cada empresa.
Compare com
Fontes
- Epoch AI, CC BY 4.0, versão mais recente consultada.
- OpenRouter Benchmarks, CC BY 4.0, versão mais recente consultada.
- OpenRouter, dados públicos da API; exports de benchmarks e rankings em CC BY 4.0, versão mais recente consultada.
- Hugging Face Hub, metadados públicos do Hub; licença de cada modelo no repositório, versão mais recente consultada.
Datas vêm das fontes: entrada no OpenRouter ou criação do repositório no Hugging Face, que podem não coincidir com o lançamento oficial. Família e versão foram agrupadas por regra a partir do nome.