Wortfehlerrate · Deutsches Audio · Stand 18.09.2026

Spracherkennung auf Deutsch. Selbst gemessen.

Jedes Modell hört dieselben deutschen Aufnahmen, das Ergebnis wird Wort für Wort mit der geprüften Verschriftung verglichen. Die Wortfehlerrate steht pro Datensatz, mit Kosten und Tempo daneben.

5,9%

Ravens Wortfehlerrate auf deutschem Audio

Raven transkribiert deutsche Sprache mit 5,9 % Wortfehlerrate, gemessen auf vier deutschen Vorlese-Datensätzen am 02.09.2026.

Von Philipp Lütje, Gründer von Raven
Aktualisiert am 26. September 2026

Der 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.

Außerhalb der Achse: GPT-Audio.

DE-SpezialistMultilingualself-hosted · eigene GPURaven

Alle Modelle, pro Datensatz

Die Rangliste. Ravens Zeile ist markiert.

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

51 Modelle · Gesamt · sortiert nach WERDE-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 · eigene GPU	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 · eigene GPU	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
Qwen-Audio-3.0-ASR DashScope	5,5 %	2,5 %	1,93 €	1,5×	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 · eigene GPU	5,7 %	2,5 %	eigene GPU	46,1×	DE	SELF
Melia 1 Speechmatics	5,8 %	2,9 %	15,95 €	7,5×	MULTI	API
Raven Raven · eigene Infrastruktur	5,9 %	2,2 %	eigene GPU	65,8×	DE	SELF
Canary 1B v2 NVIDIA · eigene GPU	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 · eigene GPU	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 · eigene GPU	7,0 %	3,2 %	eigene GPU	29,9×	MULTI	SELF
Whisper-LV3 OpenAI · eigene GPU	7,0 %	3,8 %	eigene GPU	31,9×	MULTI	SELF
Granite Speech 4.1 2B+ IBM · eigene GPU	7,1 %	3,2 %	eigene GPU	28,5×	MULTI	SELF
Voxtral-Mini-3B Mistral · eigene GPU	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 · eigene GPU	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 · eigene GPU	8,0 %	3,9 %	eigene GPU	13,3×	MULTI	SELF
Nova-3 (US) Deepgram	8,0 %	3,8 %	3,96 €	8,2×	MULTI	API
Grok Voice Transcribe 2.0 xAI	8,2 %	3,9 %	1,53 €	9,6×	MULTI	API
GPT-4o-transcribe-diarize OpenAI	8,4 %	4,0 %	–	2,4×	MULTI	API
Grok Voice Transcribe 1.0 xAI	8,5 %	4,1 %	1,53 €	13,7×	MULTI	API
MOSS Transcribe-Diarize OpenMOSS · eigene GPU	9,8 %	3,8 %	eigene GPU	29,4×	MULTI	SELF
Nemotron 3.5 ASR Streaming 0.6B NVIDIA · eigene GPU	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.

Zahlen im Transkript

Eine falsche Ziffer kostet am meisten. Deshalb zählen wir sie einzeln.

Im Protokoll entscheiden Datum, Betrag und Anzahl. Eine falsche Ziffer bewegt die Wortfehlerrate kaum und ist trotzdem der teuerste Fehler.

Anteil der Zahlen, die Ravens Spracherkennung exakt trifft, je Datensatz, mit 95-%-Intervall und Zahl der geprüften Zahlen
Datensatz	Geprüfte Zahlen	Exakt getroffen	95-%-Intervall
Multilingual LibriSpeechHörbücher	339 geprüft, 10 verfehlt	97,1 %	95,1–98,6 %
Common Voice 19.0vorgelesene Sätze	295 geprüft, 5 verfehlt	98,3 %	96,6–99,7 %
Tuda-Devorgelesene Sätze	91 geprüft, 5 verfehlt	94,5 %	87,5–100,0 %

Ein Kästchen je Zahl aus der Referenz, rot die, die das Transkript nicht exakt wiedergibt.

Gezählt wird exakte Übereinstimmung bei Zahlen, Daten, Beträgen und Prozentangaben, gelesen bevor die Satzzeichen entfernt werden. Die Quote ist eine Untergrenze: „zwei“ gegen „2“ zählt als Fehler.

Gemessen am 30.07.2026 mit raven.eval. Fester Stand results-2026-10-02

Für Grok Voice Transcribe von xAI liegen bisher 3 bis 44 Zahlen je Datensatz vor, zu wenige für eine Quote. Die Werte folgen, sobald die Stichprobe groß genug ist (raven.eval #41).

Zwei der gemessenen Modelle stecken in Raven.

Raven verkauft Meeting-Transkription, und zwei Modelle dieser Wertungen sind Teil davon: die Spracherkennung der Standard-Tarife und die eingebaute Sprechertrennung. In den Tabellen heißen ihre Zeilen „Raven“. Wer misst und zugleich verkauft, muss das bei den Zahlen sagen. Was dieses Interesse begrenzt, ist das Protokoll in raven.eval, nicht unsere Absicht.

Bewertungsregeln, Bootstrap-Seeds und jede Modell- und Datensatzversion sind festgeschrieben.
Scheitert eine Anfrage oder fehlt ein Transkript, schlägt die Prüfung fehl, statt dass der Korpus still schrumpft.
Wurde ein Modell auf Teilen eines Testkorpus trainiert, steht das neben den Zeilen, die es betrifft.
Kein Modell wird zum Sieger erklärt.
make verify rechnet jede veröffentlichte Zahl aus den abgelegten Modellausgaben nach, für jeden, ohne Schlüssel und ohne GPU.

raven.eval results-2026-10-02 · Ergebnisstand

Die Datensätze

Worauf hier gemessen wird. Keines ist ein Meeting.

Jedes dieser vier Sets misst eine andere Schwierigkeit, von sauber vorgelesenen Sätzen bis zu frei gesprochener Rede im Plenarsaal. Ein gemittelter Wert über alle vier verschweigt, wofür ein Modell wirklich taugt. Deshalb steht die Fehlerrate in der Tabelle pro Datensatz. Keines davon ist ein echtes Meeting; zusammen sind sie eine Untergrenze für die deutsche Wortfehlerrate, kein Abbild des Alltags.

FLEURS DeutschLesesprache
Vorgelesene Sätze aus dem Google FLEURS-Datensatz. Sauber artikuliert, kontrollierte Aufnahmebedingungen, misst die Grundgenauigkeit auf klarer Lesesprache.
google/fleurs
MLS DeutschHörbücher
Multilingual LibriSpeech, professionell eingelesene Hörbücher. Lange, sauber gelesene Passagen, neben FLEURS die einfachste Disziplin. Modelle, die mit spontaner Sprache kämpfen, holen sich hier ihre Punkte zurück, deshalb lügt der Gesamtdurchschnitt.
facebook/multilingual_librispeech
German Mixed Deutschgemischt · gelesen
Der meistzitierte deutsche ASR-Benchmark (flozi00 & primeLine): CommonVoice-Aufnahmen und Hörbücher, neu transkribiert. Gemischte Quellen, aber durchweg gelesene Sprache, schwerer als reine Lesesätze, jedoch nicht spontan und kein Meeting. Ein allgemeines Genauigkeits-Signal.
flozi00/asr-german-mixed-evals
VoxPopuli Deutschspontane Rede
Frei gesprochene Parlamentsreden mit Saalakustik, Versprechern und Fülllauten. Von den vier am nächsten an echtem gesprochenem Deutsch, formell und kein Meeting, aber der realistischste Test hier.
facebook/voxpopuli

51 Modelle sind in dieser Runde durchgelaufen, alle auf identischem Audio und mit identischer Metrik. Was in den acht Korpora steckt, steht weiter oben auf dieser Seite; 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 · 18.09.2026 · jede Zahl unabhängig nachprüfbar