Ciao, qui Sonetho. ⚡
«Per il coreano, il riconoscimento vocale di Naver resta il migliore, no?»
Lo si sente dire spesso, ma quasi nessuno ha mai misurato davvero.
Così abbiamo misurato noi.
Gli stessi 8 audio in coreano dentro tre motori, confrontati carattere per carattere con il copione di riferimento.
📊 Risultati in sintesi (tasso di errore sui caratteri CER, più è basso più è preciso)
| Categoria | Clova CSR | Scribe v1 | Scribe v2 |
|---|---|---|---|
| Battute emotive | 3.2% | 1.1% | 1.1% |
| Lettura in stile notiziario | 0~0.8% | 0~0.8% | 0~0.8% |
| Mix di inglese e numeri | 36.9~37.7% | 8.5~13.8% | 8.5~20.8% |
| Coerenza su testi lunghi | 1.7~7.3% | 0% | 0% |
| Media | 11.4% | 3.2% | 4.0% |
Prima, una parola a favore di Clova.
Sul coreano puro anche il CSR è praticamente impeccabile.
Nella lettura in stile notiziario tutti e tre i motori erano alla pari, intorno allo 0%.
Se il vostro caso d'uso finisce qui, va bene qualunque motore.
💥 La partita si è decisa sul mix con l'inglese
Appena in una frase coreana compaiono nomi di brand e numeri, il divario si spalanca.
Riportiamo alcuni output reali del CSR, così come sono usciti.
| Testo corretto | Output di Clova CSR |
|---|---|
| ChatGPT | "채취 pt" |
| Gemini | "나재민이", "개 미니" |
| 일레븐랩스 (ElevenLabs in coreano) | "11 x" |
| 약 15달러 수준 (circa 15 dollari) | "약 시부터 여수 중" |
Sottotitoli per YouTube, contenuti tech, i verbali di riunione di oggi: se nell'audio si mescolano parole inglesi, questo divario si trasforma dritto in ore di correzioni.
Negli stessi passaggi Scribe ha conservato ChatGPT, Gemini e API esattamente nella forma originale.
🧐 Nemmeno Scribe è perfetto
Per onestà, pubblichiamo anche gli errori di Scribe.
È debole sui nomi propri che incontra per la prima volta.
Ha scritto "sonto.com" al posto di "sonetho.com" e in un campione ha sentito "1 dollaro" invece di "11 dollari".
Se i numeri riguardano soldi, la revisione è obbligatoria con qualsiasi motore.
Interessante anche la differenza tra v1 e v2.
La v2 normalizza la scrittura da sola: "22 dollari" diventa "$22".
Con il nostro metodo di valutazione (CER) conta come errore, ma il significato è perfettamente corretto.
Se conta la forma originale, scegliete la v1; se l'obiettivo sono sottotitoli e documenti facili da leggere, la v2.
Della v2 esiste anche la versione in streaming in tempo reale.
💰 Quanto costano
ElevenLabs Scribe: $0.22 all'ora (in modalità batch).
Anche il piano gratuito include 4,5 ore al mese.
Lo Starter da $6 ne include 27 e il Creator da $22 ne include 100: la maggior parte dei progetti personali resta dentro il piano.
Riconoscimento vocale Clova (CSR): tariffa a consumo, arrotondata per eccesso a scatti di 15 secondi.
Per il prezzo esatto consultate il calcolatore dei costi di Naver Cloud.
Da sapere: il CSR è un'API per enunciati brevi, con un limite di 60 secondi.
Per registrazioni lunghe e separazione dei parlanti serve un prodotto a parte, CLOVA Speech.
🤔 Quindi, quale scegliere
Clova CSR è la scelta giusta per
Elaborare enunciati brevi, quasi solo in coreano puro.
Progetti che richiedono infrastruttura cloud in Corea.
Team che usano già l'ecosistema Naver Cloud.
ElevenLabs Scribe è la scelta giusta per
Sottotitoli e verbali di contenuti dove inglese e coreano si mescolano.
Audio IT e marketing pieni di nomi di brand.
Con le 4,5 ore gratuite potete verificare la qualità di persona prima di decidere.
Prova ElevenLabs Scribe gratis →
🧪 Metodo di misura (riproducibile)
Abbiamo scritto copioni in 4 categorie (battute emotive, stile notiziario, mix di inglese e numeri, testo lungo) e li abbiamo sintetizzati con due TTS di alta qualità (Clova Ara Pro ed ElevenLabs Hyuk), ottenendo 8 audio.
Ogni audio è passato nei tre motori ed è stato confrontato carattere per carattere con il copione di riferimento (CER).
Mettiamo sul tavolo anche i limiti.
L'input è voce sintetica, quindi condizioni ideali senza rumore: con voci umane reali o ambienti rumorosi i numeri possono cambiare.
Alcuni errori potrebbero derivare dalla pronuncia del TTS stesso.
❓ Domande frequenti (FAQ)
Q. Qual è lo STT più preciso per il coreano?
In questa misurazione Scribe v1 ha registrato il tasso di errore medio sui caratteri più basso, 3.2%.
Sul coreano puro in registro formale, però, anche Clova CSR è alla pari intorno allo 0%: il criterio di scelta è se nel vostro audio compare l'inglese.
Q. Che differenza c'è tra il riconoscimento vocale Clova (CSR) e CLOVA Speech?
Il CSR è un'API per enunciati brevi fino a 60 secondi, mentre CLOVA Speech è un prodotto separato che supporta file lunghi e separazione dei parlanti.
Questo test riguarda il CSR.
Q. Meglio Scribe v1 o v2?
La v1 se è essenziale preservare la forma originale, la v2 se volete un output leggibile con la notazione, come i simboli di valuta, già sistemata in automatico.
La v2 supporta anche lo streaming in tempo reale ($0.39 all'ora).
La prova sul campo con trascrizione di interviste e separazione dei parlanti continua nel confronto STT ElevenLabs vs Whisper vs Deepgram.
Ci vediamo al prossimo articolo. Qui Sonetho. ⚡