Ranker Modelos Playground

Voz, decodificada.

Una sola API para cada modelo de voz a texto que vale la pena. Compara lado a lado, enruta al mejor, paga por segundo.

Cómo funciona · 3 pasos

De audio a transcripción en segundos.

Sube el audio

Arrastra cualquier archivo de audio — MP3, WAV, FLAC y 10 formatos más.

Arrastra archivo de audio

Elige un modelo — o déjanos elegir

Elige entre más de 30 modelos o usa nuestro router inteligente para seleccionar por precio, velocidad o precisión.

Whisper Large v3

Nova 3

Chirp 2

Obtén una transcripción estructurada

Recibe marcas de tiempo por palabra, etiquetas de hablante y puntuaciones de confianza en un formato unificado.

{
  "start": 0.0,
  "end": 2.4,
  "text": "Welcome to...",
  "speaker": "A",
  "confidence": 0.97
}

Funciones

Todo lo que construirías de todos modos.

Lo esencial desde el día que lanzas un producto de voz.

Una API para cada modelo. Diarización. 100+ idiomas. Streams en tiempo real. Trae tus propias claves. Benchmarks reales. Seis cosas, todo incluido.

01 / 06

Una API, todos los modelos

Más de 30 modelos de 15 proveedores a través de un solo endpoint unificado. Una integración, todas las opciones.

provider : "deepgram" →

"assemblyai"

response_shape :{ transcript, words[], speakers[], confidence }

endpoint : POST /v1/transcribe // sin cambios

01 / 06

Una API, todos los modelos

Más de 30 modelos de 15 proveedores a través de un solo endpoint unificado. Una integración, todas las opciones.

provider : "deepgram" →

"assemblyai"

response_shape :{ transcript, words[], speakers[], confidence }

endpoint : POST /v1/transcribe // sin cambios

02 / 06

Tiempo real + batch

Streaming por WebSocket desde micrófono o archivo. Batch asíncrono para audio pregrabado. Misma API.

01:07

~120ms

02 / 06

Tiempo real + batch

Streaming por WebSocket desde micrófono o archivo. Batch asíncrono para audio pregrabado. Misma API.

01:07

~120ms

03 / 06

Diarización de hablantes

Identifica quién dijo qué. Disponible en modelos compatibles con un solo flag.

0:02

Actualización rápida — el refactor de streaming se integró anoche.

0:05

Bien. ¿Cambió algo en las cifras de latencia?

0:09

Bajó como 15%. Publico la gráfica.

03 / 06

Diarización de hablantes

Identifica quién dijo qué. Disponible en modelos compatibles con un solo flag.

0:02

Actualización rápida — el refactor de streaming se integró anoche.

0:05

Bien. ¿Cambió algo en las cifras de latencia?

0:09

Bajó como 15%. Publico la gráfica.

04 / 06

100+ idiomas

Desde inglés hasta yoruba, con detección automática en modelos verificados. Mezcla de idiomas para audio multilingüe.

EN

ES

DE

FR

JA

ZH

AR

HI

PT

RU

KO

IT

TR

PL

NL

SV

TH

VI

+ 86 más

04 / 06

100+ idiomas

Desde inglés hasta yoruba, con detección automática en modelos verificados. Mezcla de idiomas para audio multilingüe.

EN

ES

DE

FR

JA

ZH

AR

HI

PT

RU

KO

IT

TR

PL

NL

SV

TH

VI

+ 86 más

05 / 06

Trae tu propia clave

Usa tus claves API de proveedor existentes. 100 minutos gratis al mes, 5% de comisión después.

Deepgram

················3f9a

activo

AssemblyAI

················a017

inactivo

05 / 06

Trae tu propia clave

Usa tus claves API de proveedor existentes. 100 minutos gratis al mes, 5% de comisión después.

Deepgram

················3f9a

activo

AssemblyAI

················a017

inactivo

06 / 06

Benchmarks reales

Puntuaciones WER sobre audio de referencia en 8 categorías. Basado en eventos, no en opiniones.

WER

06 / 06

Benchmarks reales

Puntuaciones WER sobre audio de referencia en 8 categorías. Basado en eventos, no en opiniones.

WER

Integración en una llamada

Una llamada. Te enviamos la transcripción.

Los SDK se encargan de la subida y de la espera, en TypeScript o en Python. O llama directamente a la API HTTP.

// npm install @opentranscription/sdk
import { readFile } from 'node:fs/promises';
import { OpenTranscription } from '@opentranscription/sdk';

const ot = new OpenTranscription({ apiKey: process.env.OT_API_KEY! });

// Uploads the audio and opens the job. The signed-URL round trip is inside.
const job = await ot.transcribe({
  file: await readFile('interview.mp3'),
  fileName: 'interview.mp3',
  model: 'auto/best',
  language: 'en',
  customWords: ['Kubernetes', 'Grafana', 'Sanjay Bhattacharya'],
  webhookUrl: 'https://your-app.com/webhooks/ot',
});

// We POST a signed event to that URL when the job finishes: no polling required.

↳ auto/best dirige al modelo más preciso por defecto.

Referencia de la API

Del blog

Análisis a fondo sobre precisión, latencia y precios en transcripción de voz (en inglés).

Ver todas las entradas

Amazon Transcribe Medical: what AWS actually ships, and what it won't tell you

What Amazon Transcribe Medical offers in 2026: features, specs, pricing vs Google and Nuance, HIPAA posture, research clues, and where it falls short.

Chirp 3: inside Google Cloud's 2025 speech stack, from HD voices to transcription

What Google Cloud Chirp 3 actually is: release timeline, WER and Elo benchmarks, pricing, specs, known issues, and how it compares to Azure and ElevenLabs.

Deepgram Base in 2026: what the legacy model still does well

Where Deepgram Base fits in 2026: API behavior, variants, latency, specs, limitations, and when to pick Nova-3 or Flux instead.

Voz, decodificada.

Una sola API para cada modelo de voz a texto que vale la pena. Compara lado a lado, enruta al mejor, paga por segundo.

Compara modelos con tu audio →Empieza a construir

$0.0007/min

precio más bajo

43+

modelos

105

idiomas

~772ms

latencia mínima

Cada modelo que vale la pena

Deepgram

Google Cloud

Speechmatics

OpenAI

Cartesia

Alibaba (Qwen)

Rev AI

El Ranker

Benchmarks objetivos. Sin favoritismos.

Ejecutamos benchmarks WER automatizados contra audio de referencia en 8 categorías — general, médico, legal, técnico, conversacional, ruidoso, financiero y mezcla de idiomas. Los benchmarks se disparan con cada cambio de modelo o precio.

Ranker en vivo

#	Modelo	Puntuación	WER	Latencia	Costo/min
01	Ink-Whisper Cartesia	84.6	17.2%	773ms	$0.0022
02	Whisper Large V3 Turbo Groq	81.3	14.3%	3.4s	$0.0007
03	GPT-4o Mini Transcribe OpenAI	81.1	13.6%	2.0s	$0.003
04	Voxtral Mini Transcribe Mistral (Voxtral)	80.7	12.7%	2.3s	$0.003
05	Whisper Large V3 Groq	79.9	14.4%	3.1s	$0.0019

Ink-Whisper

Cartesia

84.6

WER: 17.2%

Latencia: 773ms

Costo/min: $0.0022

Whisper Large V3 Turbo

Groq

81.3

WER: 14.3%

Latencia: 3.4s

Costo/min: $0.0007

GPT-4o Mini Transcribe

OpenAI

81.1

WER: 13.6%

Latencia: 2.0s

Costo/min: $0.003

Voxtral Mini Transcribe

Mistral (Voxtral)

80.7

WER: 12.7%

Latencia: 2.3s

Costo/min: $0.003

Whisper Large V3

Groq

79.9

WER: 14.4%

Latencia: 3.1s

Costo/min: $0.0019

+38 modelos más

Ver ranker completo

+38 modelos más

Ver ranker completo

Clasificado por un compuesto de precisión, costo y velocidad. Ver metodología

Cómo funciona · 3 pasos

De audio a transcripción en segundos.

Sube el audio

Arrastra cualquier archivo de audio — MP3, WAV, FLAC y 10 formatos más.

Arrastra archivo de audio

Elige un modelo — o déjanos elegir

Elige entre más de 30 modelos o usa nuestro router inteligente para seleccionar por precio, velocidad o precisión.

Whisper Large v3

Nova 3

Chirp 2

Obtén una transcripción estructurada

Recibe marcas de tiempo por palabra, etiquetas de hablante y puntuaciones de confianza en un formato unificado.

{
  "start": 0.0,
  "end": 2.4,
  "text": "Welcome to...",
  "speaker": "A",
  "confidence": 0.97
}

Funciones

Todo lo que construirías de todos modos.

Lo esencial desde el día que lanzas un producto de voz.

Una API para cada modelo. Diarización. 100+ idiomas. Streams en tiempo real. Trae tus propias claves. Benchmarks reales. Seis cosas, todo incluido.

01 / 06

Una API, todos los modelos

Más de 30 modelos de 15 proveedores a través de un solo endpoint unificado. Una integración, todas las opciones.

provider : "deepgram" →

"assemblyai"

response_shape :{ transcript, words[], speakers[], confidence }

endpoint : POST /v1/transcribe // sin cambios

01 / 06

Una API, todos los modelos

Más de 30 modelos de 15 proveedores a través de un solo endpoint unificado. Una integración, todas las opciones.

provider : "deepgram" →

"assemblyai"

response_shape :{ transcript, words[], speakers[], confidence }

endpoint : POST /v1/transcribe // sin cambios

02 / 06

Tiempo real + batch

Streaming por WebSocket desde micrófono o archivo. Batch asíncrono para audio pregrabado. Misma API.

01:07

~120ms

02 / 06

Tiempo real + batch

Streaming por WebSocket desde micrófono o archivo. Batch asíncrono para audio pregrabado. Misma API.

01:07

~120ms

03 / 06

Diarización de hablantes

Identifica quién dijo qué. Disponible en modelos compatibles con un solo flag.

0:02

Actualización rápida — el refactor de streaming se integró anoche.

0:05

Bien. ¿Cambió algo en las cifras de latencia?

0:09

Bajó como 15%. Publico la gráfica.

03 / 06

Diarización de hablantes

Identifica quién dijo qué. Disponible en modelos compatibles con un solo flag.

0:02

Actualización rápida — el refactor de streaming se integró anoche.

0:05

Bien. ¿Cambió algo en las cifras de latencia?

0:09

Bajó como 15%. Publico la gráfica.

04 / 06

100+ idiomas

Desde inglés hasta yoruba, con detección automática en modelos verificados. Mezcla de idiomas para audio multilingüe.

EN

ES

DE

FR

JA

ZH

AR

HI

PT

RU

KO

IT

TR

PL

NL

SV

TH

VI

+ 86 más

04 / 06

100+ idiomas

Desde inglés hasta yoruba, con detección automática en modelos verificados. Mezcla de idiomas para audio multilingüe.

EN

ES

DE

FR

JA

ZH

AR

HI

PT

RU

KO

IT

TR

PL

NL

SV

TH

VI

+ 86 más

05 / 06

Trae tu propia clave

Usa tus claves API de proveedor existentes. 100 minutos gratis al mes, 5% de comisión después.

Deepgram

················3f9a

activo

AssemblyAI

················a017

inactivo

05 / 06

Trae tu propia clave

Usa tus claves API de proveedor existentes. 100 minutos gratis al mes, 5% de comisión después.

Deepgram

················3f9a

activo

AssemblyAI

················a017

inactivo

06 / 06

Benchmarks reales

Puntuaciones WER sobre audio de referencia en 8 categorías. Basado en eventos, no en opiniones.

WER

06 / 06

Benchmarks reales

Puntuaciones WER sobre audio de referencia en 8 categorías. Basado en eventos, no en opiniones.

WER

Integración en una llamada

Una llamada. Te enviamos la transcripción.

Los SDK se encargan de la subida y de la espera, en TypeScript o en Python. O llama directamente a la API HTTP.

// npm install @opentranscription/sdk
import { readFile } from 'node:fs/promises';
import { OpenTranscription } from '@opentranscription/sdk';

const ot = new OpenTranscription({ apiKey: process.env.OT_API_KEY! });

// Uploads the audio and opens the job. The signed-URL round trip is inside.
const job = await ot.transcribe({
  file: await readFile('interview.mp3'),
  fileName: 'interview.mp3',
  model: 'auto/best',
  language: 'en',
  customWords: ['Kubernetes', 'Grafana', 'Sanjay Bhattacharya'],
  webhookUrl: 'https://your-app.com/webhooks/ot',
});

// We POST a signed event to that URL when the job finishes: no polling required.

↳ auto/best dirige al modelo más preciso por defecto.

Referencia de la API

Precios · transparente

Paga por segundo. Sin suscripciones.

Una tarifa única para todos los proveedores. El precio que ves es el que pagas. Los usuarios BYOK pagan directamente a su proveedor.

Empieza gratis

Cada cuenta nueva recibe 10 transcripciones gratis, hasta 2 horas de audio — sin tarjeta de crédito.

Compara modelos con tu audio →

Paga por uso

Desde

$0.0007

/ minuto

Facturación por segundo. Recarga créditos cuando quieras y úsalos en todos los proveedores.

Todos los modelos incluidos
Sin mínimo mensual
Paga solo por el audio procesado

Obtener una API key

BYOK

tarifa de enrutamiento

¿Ya tienes cuentas con proveedores? Trae tus llaves, paga directamente a tu proveedor — nosotros añadimos una tarifa de enrutamiento del 5%.

Tus llaves, tu facturación con el proveedor
Mismo playground + ranker
Primeros 100 min/mes gratis, luego 5%

Configurar BYOK

Empresa

Personalizado

Para equipos con grandes volúmenes, despliegue personalizado o necesidades de soporte.

Precios por volumen
Opciones de despliegue personalizado
Facturación + términos personalizados

Hablar con ventas

Sin suscripciones, sin mínimos.

Del blog

Análisis a fondo sobre precisión, latencia y precios en transcripción de voz (en inglés).

Ver todas las entradas

Amazon Transcribe Medical: what AWS actually ships, and what it won't tell you

What Amazon Transcribe Medical offers in 2026: features, specs, pricing vs Google and Nuance, HIPAA posture, research clues, and where it falls short.

Chirp 3: inside Google Cloud's 2025 speech stack, from HD voices to transcription

What Google Cloud Chirp 3 actually is: release timeline, WER and Elo benchmarks, pricing, specs, known issues, and how it compares to Azure and ElevenLabs.

Deepgram Base in 2026: what the legacy model still does well

Where Deepgram Base fits in 2026: API behavior, variants, latency, specs, limitations, and when to pick Nova-3 or Flux instead.

¿Listo para transcribir?

Una clave API. Sin contratos. Sin gasto mínimo.

Compara modelos con tu audio →Obtén una clave API