Saya menguji Read.ai dan Sembly.ai secara berdampingan selama 30 hari di 47 rapat berbeda. Berikut adalah angka akurasi mentah dan mana yang sebenarnya berkinerja lebih baik dalam skenario dunia nyata.
🔬 Pengaturan Uji: Cara Saya Mengukur Akurasi
Untuk memastikan perbandingan yang adil, saya menggunakan kedua alat tersebut secara bersamaan dalam:
- 23 rapat Zoom (campuran 2-8 peserta)
- 15 panggilan Google Meet (termasuk presentasi klien)
- 9 sesi Microsoft Teams (rapat internal)
- Berbagai kondisi kualitas audio
- Aksen dan kecepatan berbicara yang berbeda
Setiap transkrip ditinjau secara manual terhadap audio sebenarnya untuk menghitung persentase akurasi kata demi kata.
📊 Angka-Angka: Hasil Akurasi Keseluruhan
87.3%
- Performa terbaik: 94% (audio jernih, satu pembicara)
- Performa terburuk: 76% (aksen kuat, kebisingan latar belakang)
- Paling konsisten di berbagai jenis rapat
- Identifikasi pembicara yang sangat baik
84.7%
- Performa terbaik: 92% (panggilan bisnis terstruktur)
- Performa terburuk: 72% (percakapan dengan tempo cepat)
- Kuat dalam lingkungan rapat formal
- Lebih baik dalam terminologi teknis
🎯 Akurasi berdasarkan Jenis Rapat
Rapat Bisnis Formal
89.2% | Sembly.ai. 88.1%
Performa yang sangat mirip dalam lingkungan terstruktur. Keduanya unggul dalam diskusi berbasis agenda.
Check-in Santai Tim
86.8% | Sembly.ai. 82.3%
Read.ai lebih baik dalam menangani percakapan informal. Sembly kesulitan dengan pembicaraan yang tumpang tindih.
Panggilan Klien/Penjualan
88.5% | Sembly.ai. 85.9%
Read.ai unggul dalam dinamika pembicara campuran. Keduanya sama-sama baik dalam menangani kosakata profesional.
Rapat Teknis/Rekayasa
85.1% | Sembly.ai. 86.2%
Sedikit keunggulan Sembly.ai dalam istilah teknis dan akronim.
🔍 Di Mana Setiap Alat Unggul
Kekuatan Read.ai
- Identifikasi pembicara yang lebih unggul (95% vs 88%)
- Penanganan yang lebih baik terhadap interupsi dan percakapan tumpang tindih
- Stempel waktu yang lebih akurat
- Kinerja yang konsisten di seluruh platform
- Lebih baik dengan penutur bahasa Inggris non-native
Kekuatan Sembly.ai
- Pengenalan kosakata teknis yang sangat baik
- Lebih baik dalam menangkap angka dan tanggal
- Integrasi unggul dengan sistem CRM
- Analitik percakapan yang lebih terperinci
- Pemformatan yang lebih baik untuk konten terstruktur
🎧 Pengujian Dampak Kualitas Audio
Audio Jernih Kristal
92.8% | Sembly.ai. 90.4%
Keduanya bekerja sangat baik dengan audio berkualitas tinggi. Perbedaannya sangat minimal.
Audio Bagus (kantor umum)
87.9% | Sembly.ai. 85.2%
Read.ai mempertahankan akurasi lebih baik dengan kualitas audio standar.
Audio Buruk (gema, kebisingan)
79.5% | Sembly.ai. 76.8%
Keduanya mengalami kesulitan yang cukup besar. Read.ai sedikit lebih tangguh terhadap kebisingan.
🗣 Pengujian Keberagaman Pembicara
Penutur Asli Bahasa Inggris
91.2% | Sembly.ai. 88.7%
Read.ai bekerja lebih baik dengan berbagai aksen regional.
Penutur Bahasa Inggris Non-Natif
83.1% | Sembly.ai. 79.3%
Keuntungan signifikan bagi Read.ai dengan tim internasional.
Kelompok Pembicara Campuran
88.4% | Sembly.ai. 84.9%
Read.ai menangani keragaman aksen dengan lebih baik dalam satu rapat.
⚡ Kecepatan dan Pemrosesan
Transkripsi Real-time
- 2-3 second delay average
- 4-5 second delay average
- Read.ai lebih cepat untuk pencatatan langsung
Pembuatan Ringkasan
- 45 seconds post-meeting
- 90 seconds post-meeting
- Read.ai memberikan ringkasan dua kali lebih cepat
💰 Analisis Akurasi vs Biaya
- Gratis: 5 rapat/bulan
- Pro: $15/bulan (rapat tanpa batas)
- Akurasi per dolar: 5,82 poin/$
- Gratis: 4 rapat/bulan
- Profesional: $10/bulan (rapat tanpa batas)
- Akurasi per dolar: 8,47 poin/$
Pemenang: Sembly.ai menawarkan rasio akurasi-terhadap-biaya yang lebih baik meskipun akurasi keseluruhannya lebih rendah.
🔧 Analisis Kesalahan di Dunia Nyata
Kesalahan Umum Read.ai
- Kadang-kadang melewatkan seruan pendek (um, aha)
- Terkadang memecah satu kata menjadi beberapa kata
- Dapat kesulitan dengan pembicara yang sangat cepat
- Terkadang menetapkan label pembicara yang salah dalam kelompok besar
Error Umum Sembly.ai
- Lebih sering pakai kontraksi kasual
- Kesulitan dengan percakapan yang saling tumpang tindih
- Terkadang menambahkan kata-kata yang tidak diucapkan
- Kurang akurat dengan istilah gaul khusus industri
📈 Peningkatan Akurasi Seiring Waktu
Hasil Minggu 1–2:
- 85.8% (learning user speech patterns)
