Tarush Agarwal은 동일한 음성과 파이프라인으로 15개 모델을 비교한 음성-텍스트 벤치마크를 보고했다. Pipecat FLEURS의 낭독 클립 1,000개에서 AssemblyAI Universal 3.5 Pro는 단어 오류율 1.93%, 첫 텍스트까지 걸린 시간의 중앙값 489ms로, 해당 테스트에서 두 지표 모두 가장 좋은 결과를 냈다.
Artificial Analysis는 StepAudio 3 ASR의 전사 속도가 실시간의 88배라고 보고했다. 더 빠른 시스템 세 개보다는 뒤지고, ElevenLabs Scribe v2와 Gemini 3.5 Transcribe와는 비슷한 수준이며, Fun-Realtime-ASR-preview보다는 앞선다.
Artificial Analysis에 따르면 StepFun의 StepAudio 3 ASR가 StepFun API를 통해 비스트리밍 전사에 제공된다. AA-WER Index에서 WER 1.7%를 기록해 Alibaba의 Fun-Realtime-ASR-preview와 동률이며, StepAudio 2.5 ASR의 4.7%보다 낮아졌다. 전사 속도는 실시간의 88배이고 요금은 시간당 0.40달러다.
