Gesprochenes Audio in Text transkribieren.
Schnellwahl
6 Modelle
Community
Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.
whisperstttranscription
ca. $ 0,0056/Lauf
OpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
whisperstttranscription
ca. $ 0,0034/Lauf
Community
Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.
metaseamlessstt
ca. $ 0,156/Lauf
Community
Meta SeamlessM4T v2 Large speech mode. Speech-to-speech, speech-to-text, and text-to-speech translation across 100+ languages in a single unified model.
translationmetaopen-weights
ca. $ 0,0012/Lauf
Community
Whisper Large v3 Turbo combined with pyannote 4.0 for speaker diarization, returning who-said-what segments with timestamps. Built by Thomas Mol. Returns a clean JSON of speaker-labeled segments, handy for meeting notes, interviews, and podcasts.
whisperstttranscription
ca. $ 0,0063/Lauf
Community
WhisperX (Large v3) with forced alignment for accurate word-level timestamps plus optional speaker diarization. Uses VAD to cut long files into segments and a wav2vec2 aligner to pin each word to its exact time. Useful for subtitles and per-speaker transcripts.
whisperxstttranscription
ca. $ 0,0241/Lauf
OpenAI
OpenAI's Whisper model. State-of-the-art speech recognition supporting 99+ languages.
multilingual
Derzeit nicht im Angebot
OpenAI
OpenAI's distilled Whisper Large v3. ~216x realtime, 99+ languages, MIT-licensed weights.
whisperstttranscription
Deaktiviert
Other
Deepgram's flagship STT. First to offer realtime multilingual transcription with self-serve customization.
deepgramstttranscription
Derzeit nicht im Angebot
ElevenLabs
ElevenLabs' STT. 99 languages, word-level timestamps, speaker diarization, audio-event tagging.
scribestttranscription
Deaktiviert
Die Seiten bleiben erreichbar, die Modelle lassen sich aber gerade nicht ausführen.
Speech-to-Text (STT) verwandelt gesprochenes Audio in geschriebenen Text. Die Kategorie deckt alles ab: vom Podcast-Transkript über Echtzeit-Untertitelungs-Pipelines bis zu Voice-Command-Schnittstellen in mobilen Apps. Du greifst zu STT, wenn du in Audio suchen, Diktat bauen, Meetings zusammenfassen oder Untertitel für die Barrierefreiheit erzeugen willst.
Gehostete APIs rechnen meist pro Minute Audio ab. Auf Railwail laufen die Whisper-Modelle über Replicate und werden nach GPU-Zeit abgerechnet; jede Modellseite zeigt den Preis eines typischen Laufs. Manche Anbieter berechnen Aufschläge für Premium-Features wie Sprechertrennung (Diarization), Wort-Zeitstempel, Zusammenfassungen oder Übersetzung — rechne also mit den tatsächlich aktivierten Features.
Der Trade-off heißt Genauigkeit, Latenz und Feature-Reichtum. Whisper Large V3 führt in Benchmark-Evaluierungen bei der reinen Wortfehlerrate und ist Open-Weights, du kannst es also selbst hosten. Deepgram Nova-3 und AssemblyAI Universal führen bei Streaming-Latenz (unter 300 ms First-Token) und Diarization-Qualität. ElevenLabs Scribe führt bei mehrsprachiger Abdeckung und Code-Switching (wenn Sprecher mitten im Satz die Sprache wechseln). Für Batch-Transkription gewinnt meist Whisper bei Kosten und Genauigkeit. Für Echtzeit-Anrufs-Transkription gewinnt ein Streaming-First-Anbieter.
Achte auf verrauschtes Audio: Die Wortfehlerrate verdoppelt sich auf jedem Modell ungefähr unterhalb von 20 dB SNR, und überlappende Sprecher verschlechtern die Diarization selbst auf Flagships. Vorverarbeite mit einem Rauschunterdrückungs-Modell (RNNoise, Krisp), wenn deine Quelle unberechenbar ist. Achte auch auf Eigennamen: Jedes Modell vertranskribiert weiterhin seltene Namen, Fachbegriffe und Markennamen. Die meisten Anbieter akzeptieren eine `keywords`-Hinweisliste, um den Decoder zu biasen — nutze sie.
Die Top-Picks oben decken das genaueste Modell, das günstigste Arbeitspferd, den Long-Audio-Champion und die schnellste Streaming-Option ab.
Whisper Large V3 führt bei der Wortfehlerrate in unabhängigen Benchmarks über die meisten Sprachen. Deepgram Nova-3 führt bei Englisch mit niedriger Streaming-Latenz. AssemblyAI Universal führt bei Call-Center- und Meeting-Audio. Lass eine Probe deines eigenen Audios auf der Modell-Detailseite laufen, bevor du dich festlegst.
Über Railwail nicht: Der Transkriptions-Endpoint verarbeitet eine vollständige Audiodatei. Deepgram, AssemblyAI und OpenAI (Realtime-API) bieten Streaming-Transkription über ihre eigenen APIs an; für Untertitelung und Voice-Agenten wähle einen streamingfähigen Dienst.
Gehostete APIs rechnen meist pro Minute Audio ab. Auf Railwail werden die Whisper-Modelle nach GPU-Zeit abgerechnet, der Preis eines typischen Laufs steht auf jeder Modellseite. Premium-Features (Diarization, Zeitstempel, Übersetzung) tragen manchmal Aufschläge.
Whisper Large V3 unterstützt 99 Sprachen. ElevenLabs Scribe deckt 100+ mit starkem Code-Switching ab. Deepgram Nova-3 deckt aktuell 40+ ab, am stärksten Englisch. Lass für ressourcenarme Sprachen zuerst eine Probe laufen — die Genauigkeit schwankt erheblich.
Ja, auf den meisten Flagships — Sprecher-Diarization labelt jedes Segment mit 'Sprecher 1', 'Sprecher 2' usw. Die Genauigkeit hängt von der Audioqualität und davon ab, wie oft sich Sprecher überlappen. Manche Anbieter akzeptieren auch Enrollment-Audio, um bestimmte benannte Sprecher zu identifizieren.
Ja — Zeitstempel auf Wort- oder Segment-Ebene sind auf Flagship-Stufen Standard. Nimm Wort-Ebene für Video-Untertitelung und Karaoke-artiges Highlighting; Segment-Ebene reicht für Transkript-Suche und Meeting-Zusammenfassungen.
MP3, WAV, M4A, FLAC, OGG und die meisten browser-nativen Streaming-Formate. Sampling-Raten von 8 kHz (Telefonie) bis 48 kHz (Studio). Maximale Dateigröße variiert — typisch 25 MB auf managed APIs und unbegrenzt für selbst gehostetes Whisper.
Ja — Whisper hat einen eingebauten Translate-Modus, der englische Transkripte aus jeder seiner 99 Quellsprachen produziert. ElevenLabs Scribe und einige andere Anbieter unterstützen Übersetzung in eine breitere Zielsprachen-Auswahl. Die Übersetzungsgenauigkeit ist niedriger als bei dedizierten Übersetzungsmodellen — gut für Suche, nicht für Publikation.
Alle verfügbaren Modelle über eine OpenAI-kompatible API. Guthaben in USD im Voraus, kein Abo.
