Genauer Blick auf die Genauigkeitsführer 2025

Top-Performer:

• Whisper Large-v3: 97,9 % Wortgenauigkeit (MLPerf-Benchmark)
• Deepgram Nova-3: 96 % durchschnittliche Genauigkeit
• 95–99 % unter optimalen Bedingungen
• 69+ Sprachen, branchenspezifisches Vokabular

Wichtige Kennzahlen:

• Bester WER: 5,63 % (Canary Qwen 2,5B)
• Edge-Modelle 8,18 % WER (Granite-Speech)
• Typischerweise 82–94 % Genauigkeit
• Sauberer Ton 93–99 % erreichbar

Verständnis der Wortfehlerrate (WER)

Was ist WER?

Die Wortfehlerrate (WER) ist die branchenübliche Kennzahl zur Messung der Transkriptionsgenauigkeit. Sie berechnet die minimale Anzahl an wortbasierten Bearbeitungen (Ersetzungen, Löschungen und Einfügungen), die erforderlich sind, um die Transkription in den Referenztext zu überführen.

WER = (Substitutionen + Löschungen + Einfügungen) / Gesamtanzahl der Wörter

WER vs. Genauigkeit

5%WER = 95 % Genauigkeit (ausgezeichnet)
10%WER = 90 % Genauigkeit (gut)
15%WER = 85 % Genauigkeit (akzeptabel)
20%+WER = 80 % oder niedriger (verbesserungsbedürftig)

2025-Benchmarks zur Transkriptionsgenauigkeit

Werkzeug	Sauberer Ton	Meeting in der Praxis	Laute Umgebung	WER-Bereich	Sprachen
OpenAI Whisper Large-v3	97.9%	88-93%	74-83%	2.1-8.1%	99+
Deepgram Nova-3	98%	94%	83%	4.8-7%	36+
Otter.ai	92-94%	82-85%	71-78%	6-29%	Nur Englisch
Fireflies.ai	94%+	88-92%	80-85%	6-12%	69+
Distil-Whisper	96%	85-90%	75-82%	14.9%	99+
Sonix	95-99%	89.6%	82%	5-10%	49+
Kanarienvogel Qwen 2,5B	94.4%	88%	78%	5.63%	Multi
Granit-Sprach-3.3	91.8%	85%	75%	8.18%	Multi

MLPerf 2025-Benchmarks, Interspeech 2023/2025, Hugging Face Open ASR Leaderboard, unabhängige Testberichte.

Genauigkeit nach Anwendungsfall

Medizinisch & Rechtlich (hohes Risiko)

• Erforderliche Genauigkeit: 97 % + oder menschliche Überprüfung
• Beste:r Performer: Whisper: 96,8 % medizinisch, 97,3 % juristisch
• 94,2 % medizinische Konferenzen
• Mit menschlicher Verifikation zur Einhaltung von Vorschriften verwenden

Vertrieb & CRM-Integration

• Erforderliche Genauigkeit: 85–90 % in der Regel ausreichend
• Beste:r Performer: Fireflies mit CRM-Automatisierung
• Hauptfunktionen: Aufgabenpunkte, Stimmungsanalyse
• Priorisieren Sie Integrationen gegenüber der reinen Genauigkeit

Team-Zusammenarbeit

• Erforderliche Genauigkeit: 80–85 % für Meeting-Notizen
• Beste:r Performer: Otter.ai mit Bearbeitung in Echtzeit
• Hauptfunktionen: Live-Zusammenarbeit, Freigabe
• Wähle Tools mit einfachen Korrektur-Workflows

Mehrsprachige Meetings

• 15–20 % Genauigkeitsverlust für Nicht-Muttersprachler
• Beste:r Performer: Whisper für Sprachabdeckung
• 69+ Sprachen mit benutzerdefiniertem Vokabular
• Otter unterstützt nur Englisch

Wie Genauigkeit getestet wird

Standard-Benchmarks

1 Saubere Hörbuchaufnahmen, Goldstandard für ASR
2AMI-Korpus: Echte Meeting-Aufnahmen mit mehreren Sprecher:innen
3 Branchenspezifischer ML-Benchmark (Update 2025)
4 Akademische Forschungsbenchmarks

Faktoren für Tests in realen Umgebungen

AAudioqualität: Kompression, Bitrate, Abtastrate
BSprechereigenschaften: Akzent, Geschwindigkeit, Überschneidung
C Hintergrundgeräusche, Echo, Hall
D Technische Fachbegriffe, Eigennamen, Zahlen

Marketing-Behauptungen vs. Realität

Viele Tools werben mit einer Genauigkeit von 95–99 %, aber das gilt in der Regel nur unter optimalen Bedingungen: eine einzelne muttersprachliche englische Person, professionelles Mikrofon, ruhige Studio-Umgebung. In realen Meetings liegt die Genauigkeit typischerweise 15–20 % niedriger. Unabhängige Tests haben gezeigt, dass die 99-%-Angabe von Sonix in tatsächlichen Tests nur 89,6 % erreichte.

Was beeinflusst die Transkriptionsgenauigkeit

Genauigkeitskiller

• Überlappung mehrerer Sprecher: -25-40%
• Schlechtes Mikrofon: -15-25%
• Fachsprache -15-25%
• Hintergrundgeräusche: -8-12 % pro 10 dB
• Nicht-Muttersprachler: -15-20%
• -30-50%

Genauigkeits-Booster

• Headset-Mikrofon +20 % vs. Laptop-Mikrofon
• Klare Aussprache: +10-15%
• Ruhige Umgebung: +15-20%
• Optimales Tempo: 140–180 Wörter/Minute
• Benutzerdefinierter Wortschatz: +5-15%
• Muttersprachler: +15-20%

Trade-offs bei Modellen

• Whisper Large-v3: Beste Genauigkeit, langsamste
• Whisper Turbo: 6x schneller, -1–2 % Genauigkeit
• 6x schneller, -1 % Genauigkeit
• Edge-Modelle: Echtzeit, variable Genauigkeit
• Cloud-APIs: Optimiert für Latenz

Unsere Empfehlungen

Beste Gesamtgenauigkeit

OpenAI Whisper Large-v3

97,9 % Wortgenauigkeit im MLPerf-Benchmark. Am besten für Entwickler, die selbst hosten oder eine API nutzen können.

0,006 $/Minute über die API

Am besten für: Technische Benutzer, Hochvolumenverarbeitung

Erfordert Entwicklungs-Setup (5.000–15.000 $)

Am besten für Geschäftsbesprechungen

Fireflies.ai

Hervorragende Genauigkeit mit CRM-Integration, Sentiment-Analyse und Extraktion von Action Items.

Kostenlose Stufe verfügbar, Pro ab 10 $/Mon.

Am besten für: Vertriebsteams, Geschäftsmeetings

Mehr erfahren →

Am besten für Zusammenarbeit

Otter.ai

Echtzeit-Transkription mit Live-Bearbeitung und Funktionen für die Teamzusammenarbeit.

600 kostenlose Minuten/Monat

Am besten für: Teams, Notizen teilen