Wortfehlerrate · Deutsches Audio · Stand 08.06.2026

Welches Modell versteht Deutsch am genauesten?

Wir spielen jedem Modell dieselben deutschen Aufnahmen vor und vergleichen das Ergebnis Wort für Wort mit der geprüften Verschriftung. Ein gemeinsamer Durchschnitt verfälscht dabei, also steht die Wortfehlerrate pro Datensatz, mit Kosten und Tempo daneben.

01Der Trade-off

Genauigkeit kostet. Finde deinen Punkt.

Eine Tabelle zeigt Rangplätze. Diese Karte zeigt, was sie dich kostet. Wähle die Achse, die für dich zählt.

★ GPT-Audio ausgelassen (Ausreißer)

DE-SpezialistMultilingualself-hosted · eigene GPUbestes Modell

02Bestes Modell wofür

Die Messkonsole.

Ein gemeinsamer WER verfälscht. Wähl Audiotyp und Hosting, die Rangfolge richtet sich danach.

48 Modelle · Gesamt · sortiert nach WERBestes für dieses Dataset ★DE-Spezialistself-hostedAufnahmen nicht gewertet · Wert antippen

Modell▲	Gesamt		Kosten▲	Tempo▲	Sprachen▲	Hosting▲
Modell▲	WER▲	CER▲	Kosten▲	Tempo▲	Sprachen▲	Hosting▲
Qwen3-ASR-Flash · Sync DashScope	3,7 %★	1,8 %	1,93 €	5,4×	MULTI	API
Qwen3-ASR-Flash · Datei DashScope	3,8 %	1,8 %	1,77 €	1,5×	MULTI	API
Cohere Transcribe 03-2026 Cohere · 3090	4,2 %	1,7 %	eigene GPU	50×	MULTI	SELF
Scribe v2 ElevenLabs	4,6 %	2,0 %	3,37 €	8,8×	MULTI	API
Whisper-LV3 German primeline · Modal	4,6 %	2,0 %	eigene GPU	9,6×	DE	SELF
CrisperWhisper nyrahealth · Modal	4,8 %	2,3 %	eigene GPU	3,3×	MULTI	SELF
Universal-3.5 Pro AssemblyAI	4,9 %	2,3 %	3,22 €	2×	MULTI	API
Qwen3-Omni-Flash DashScope	4,9 %	2,5 %	4,69 €	4,5×	MULTI	API
Whisper-LV3-Turbo German primeline · Modal	4,9 %	2,4 %	eigene GPU	16,1×	DE	SELF
Prerecorded Reson8	5,0 %	2,4 %	3,33 €	24,9×	MULTI	API
Voxtral-Mini 2602 Mistral · EU	5,1 %	2,6 %	2,76 €	12,2×	MULTI	EU
MAI-Transcribe 1.5 Azure	5,1 %	2,5 %	5,52 €	9,2×	MULTI	API
Whisper-LV3 German primeline · 3090	5,1 %	1,9 %	eigene GPU	33,9×	DE	SELF
Voxtral-Mini 2507 Mistral · EU	5,2 %	2,6 %	1,84 €	8,3×	MULTI	EU
Universal-2 AssemblyAI	5,2 %	2,7 %	4,14 €	2,2×	MULTI	API
Solaria-1 Gladia · EU	5,3 %	2,8 %	9,35 €	2,7×	MULTI	EU
Parakeet German primeline · Modal	5,4 %	2,3 %	eigene GPU	35,9×	DE	SELF
Chirp 3 Google · OpenRouter	5,5 %	2,9 %	14,72 €	5,5×	MULTI	API
Amazon Transcribe AWS	5,6 %	2,7 %	22,08 €	1×	MULTI	API
Whisper-1 OpenAI	5,6 %	2,6 %	5,52 €	10,1×	MULTI	API
Gemini 3.5 Transcribe Google	5,6 %	2,7 %	4,60 €	3,7×	MULTI	API
GPT-4o-mini-transcribe OpenAI	5,6 %	2,9 %	1,60 €	11,7×	MULTI	API
Whisper-LV3-Turbo German primeline · 3090	5,7 %	2,5 %	eigene GPU	46,1×	DE	SELF
Melia 1 Speechmatics	5,8 %	2,9 %	15,95 €	7,5×	MULTI	API
Parakeet German primeline · 3090	5,9 %	2,2 %	eigene GPU	65,8×	DE	SELF
Canary 1B v2 NVIDIA · 3090	6,0 %	2,1 %	eigene GPU	23,9×	MULTI	SELF
Qwen3-ASR-1.7B Qwen · Modal	6,0 %	2,7 %	eigene GPU	7,1×	MULTI	SELF
Gemini 2.5 Flash Google	6,1 %	2,9 %	0,67 €	7,2×	MULTI	API
Enhanced Speechmatics	6,1 %	3,0 %	15,95 €	5,9×	MULTI	API
Chirp 3 Google · EU	6,1 %	3,0 %	14,72 €	8,7×	MULTI	API
Whisper-LV3 OpenAI · Modal	6,2 %	3,6 %	eigene GPU	9,4×	MULTI	SELF
Voxtral-Mini-3B Mistral · Modal	6,3 %	2,9 %	eigene GPU	8,2×	MULTI	SELF
Parakeet-TDT 0.6B v3 NVIDIA · 3090	6,6 %	2,4 %	eigene GPU	65,4×	MULTI	SELF
Whisper-LV3-Turbo Groq	6,9 %	4,0 %	0,61 €	29×	MULTI	API
Qwen3-ASR-1.7B Qwen · 3090	7,0 %	3,2 %	eigene GPU	29,9×	MULTI	SELF
Whisper-LV3 OpenAI · 3090	7,0 %	3,8 %	eigene GPU	31,9×	MULTI	SELF
Granite Speech 4.1 2B+ IBM · 3090	7,1 %	3,2 %	eigene GPU	28,5×	MULTI	SELF
Voxtral-Mini-3B Mistral · 3090	7,4 %	3,1 %	eigene GPU	19×	MULTI	SELF
Qwen3-Omni-Turbo DashScope	7,4 %	3,5 %	7,85 €	4,4×	MULTI	API
Moonshine Streaming Small DE Moonshine · 3090	7,5 %	2,9 %	eigene GPU	26×	DE	SELF
Nova-3 (EU) Deepgram · EU	8,0 %	3,8 %	3,96 €	26,6×	MULTI	EU
Phi-4-Multimodal Microsoft · 3090	8,0 %	3,9 %	eigene GPU	13,3×	MULTI	SELF
Nova-3 (US) Deepgram	8,0 %	3,8 %	3,96 €	8,2×	MULTI	API
GPT-4o-transcribe-diarize OpenAI	8,4 %	4,0 %	–	2,4×	MULTI	API
MOSS Transcribe-Diarize OpenMOSS · 3090	9,8 %	3,8 %	eigene GPU	29,4×	MULTI	SELF
Nemotron 3.5 ASR Streaming 0.6B NVIDIA · 3090	15,1 %	7,2 %	eigene GPU	17,7×	MULTI	SELF
Voxtral-Small 2507 Mistral · EU	16,3 %	11,1 %	0,08 €	16,8×	MULTI	EU
GPT-Audio OpenAI	29,8 %*	21,7 %	49,09 €	8,1×	MULTI	API

WER strict · CER · normalisiert · pro Dataset gemessenGPU = auf derselben Grafikkarte gemessen, untereinander vergleichbar. NET = Antwortzeit eines fremden Rechenzentrums samt Netzweg, dieselbe Einheit, andere Messung.

48 Modelle sind in dieser Runde durchgelaufen, alle auf identischem Audio und mit identischer Metrik. Was in den Korpora steckt, auf denen hier gemessen wird, steht in der Korpus-Übersicht; wie gerechnet wird, in der Methodik. Die Mundart-Wertung und die Sprechertrennung stellen dieselben Modelle vor zwei andere Aufgaben.

Einordnung und NachrechnenBenchmark-Übersicht· Methodik und Korpora raven.eval · Messwerkzeug

STT-Benchmark · 08.06.2026 · jede Zahl unabhängig nachprüfbar