Le classement des modèles de transcription vocale en 2026

Parmi les 14 options que nous avons testées, NVIDIA Nemotron 3.5 Transcribe, ElevenLabs Scribe v2 et Voxtral 3 (Transcribe and TTS) arrivent en tête. Chacune est classée selon notre note, avec son prix, notre verdict et le profil auquel elle convient.

Par Andrew Miller · Mis à jour le 2 nov. 2026 · Notre méthode

Notre classement : selon notre note sur 5, à partir d’avis fondés sur les prix, la documentation et les politiques de chaque produit, ainsi que sur des benchmarks indépendants lorsqu’ils existent, chacun vérifié à la date indiquée dans l’avis. Nous ne touchons aucune commission d’affiliation.

1
NVIDIA Nemotron 3.5 Transcribe
Un modèle vocal ouvert qui égale les meilleurs rivaux ouverts en précision et réunit diarisation, traduction et vocabulaire personnalisé dans un seul prompt, pour 0,12 $ l'heure en hébergé.
Idéal pour : Les équipes qui transcrivent en volume des appels, réunions ou médias enregistrés et veulent étiquettes de locuteur et vocabulaire métier sans assembler plusieurs modèles.
Prix : Poids ouverts sous OpenMDW-1.1. DeepInfra : 0,002 $ par minute d'audio (0,12 $ l'heure) ; OpenRouter route vers DeepInfra à un tarif proche.
Lire notre avis sur NVIDIA Nemotron 3.5 Transcribe
4.5/5
2
ElevenLabs Scribe v2
Scribe v2 transcrit avec précision et fait pour vous le caviardage et le travail sur les intervenants, mais Microsoft vend désormais une meilleure précision pour moins de la moitié du prix.
Idéal pour : Les produits de réunions, de médias et cliniques qui ont besoin d'étiquettes d'intervenants et de caviardage en plus d'une transcription précise.
Prix : API : Scribe v2 et v2 Medical à 0,22 $ par heure d'audio ; Scribe v2 Realtime à 0,39 $ de l'heure ; le keyterm prompting ajoute 0,05 $ de l'heure. Les offres à partir de 6 $ par mois incluent des heures.
Lire notre avis sur ElevenLabs Scribe v2
4.4/5
3
Voxtral 3 (Transcribe and TTS)
Près du sommet des tests de transcription indépendants à un tiers de centime la minute, avec des endpoints UE ; le côté parole est simplement compétitif et rien n'est à poids ouverts cette fois.
Idéal pour : Les équipes qui transcrivent de gros volumes de réunions, d'appels ou de médias, surtout en Europe, qui veulent une précision de premier plan à un faible coût à la minute.
Prix : Mini Transcribe 3 0,0035 $ la minute ; Small Transcribe 3 0,0040 $ la minute ; Mini Transcribe Realtime 3 0,008 $ la minute ; TTS 3 13 $ par million de caractères (prix de lancement tels que rapportés).
Lire notre avis sur Voxtral 3 (Transcribe and TTS)
4.4/5
4
Gemini 3.5 Transcribe
Assez précis et bon marché pour la plupart des transcriptions, mais plus l'achat évident sur aucun des deux critères.
Idéal pour : Les équipes déjà sur la Gemini API qui veulent une transcription de fichiers et en streaming auprès d'un seul fournisseur à environ un demi-centime la minute.
Prix : Transcribe à environ 0,005 $ la minute (2 $ en entrée / 12 $ en sortie par million de tokens) ; Transcribe Live à environ 0,009 $ la minute (3,50 $ / 21 $). Niveau gratuit dans AI Studio et l'API.
Lire notre avis sur Gemini 3.5 Transcribe
4.2/5
5
Moondream Parakeet Redux
Pour transcrire sur un CPU ou un Mac, Parakeet Redux sacrifie un peu de précision en anglais et beaucoup de robustesse au bruit pour un modèle sept fois plus petit et plus de deux fois plus rapide.
Idéal pour : Les développeurs qui transcrivent une parole raisonnablement propre sur des CPU, des portables ou des Mac et veulent les 25 langues de Parakeet sans GPU.
Prix : Poids gratuits sous CC BY 4.0 (usage commercial avec attribution) ; s'exécute en local via le paquet Python gratuit moondream.
Lire notre avis sur Moondream Parakeet Redux
4.1/5
6
Parakeet TDT 0.6B v3
Parakeet v3 est le record de vitesse en transcription, avec une précision de classe Whisper et une frontière stricte autour de l'Europe.
Idéal pour : Les développeurs qui transcrivent de gros volumes d'audio en langues européennes et privilégient la vitesse et le bas coût.
Prix : Gratuit sous CC BY 4.0. La version hébergée de Together AI coûte 0,0015 $ la minute (1,50 $ les 1 000 minutes).
Lire notre avis sur Parakeet TDT 0.6B v3
4.1/5
7
Phonon-2
Phonon-2, c'est Parakeet à un quinzième de sa taille avec presque la même précision, ce qui rend une bonne transcription en anglais réaliste dans le téléchargement d'une application.
Idéal pour : Les développeurs d'applications qui ont besoin d'une transcription précise de l'anglais sur un portable, un téléphone ou un serveur CPU sans livrer un modèle de plusieurs gigaoctets.
Prix : Poids gratuits sous CC-BY-4.0 ; CLI et code sous Apache 2.0 ; application Detta gratuite sur les Mac Apple Silicon.
Lire notre avis sur Phonon-2
4.1/5
8
pyannote speaker-diarization-community-1
Toujours le choix ouvert par défaut pour distinguer les locuteurs, et un net progrès par rapport à la 3.1, mais le modèle payant de ses propres créateurs fait environ un tiers d'erreurs en moins sur l'audio difficile.
Idéal pour : Les ingénieurs qui construisent une transcription auto-hébergée de réunions, d'appels ou de podcasts et ont besoin d'étiquettes de locuteurs sous une licence permissive.
Prix : Gratuit sous CC BY 4.0. Hébergé chez pyannoteAI à 0,035 € par heure d'audio ; son modèle payant Precision-3 coûte 0,112 € par heure (Developer, 19 €/mois) ou 0,096 € (Starter, 99 €/mois).
Lire notre avis sur pyannote speaker-diarization-community-1
4.1/5
9
Deepgram Nova-3
Nova-3 est assez rapide et bon marché pour l'audio d'appels en direct, mais sur un test neutre il fait plus de deux fois plus d'erreurs que les meilleurs en précision.
Idéal pour : Les équipes de centres de contact et de sous-titrage en direct qui ont besoin d'une transcription rapide et à forte concurrence d'audio téléphonique, y compris sur leurs propres serveurs.
Prix : Enregistré : 0,0043 $ la minute (monolingue) ou 0,0052 $ la minute (multilingue) en paiement à l'usage ; streaming à 0,0048 $ la minute en promotion, 0,0077 $ au tarif normal. L'offre Growth, à partir de 4 000 $ par an, est moins chère. 200 $ de crédit gratuit.
Lire notre avis sur Deepgram Nova-3
4.0/5
10
GPT Transcribe
Une mise à niveau sensée pour les boutiques OpenAI, même si la dépréciation sur laquelle elle s'appuie retire les étiquettes de locuteur et les timestamps que ce modèle ne redonne pas.
Idéal pour : Les équipes sur l'API OpenAI qui doivent quitter Whisper ou GPT-4o Transcribe avant février 2027 et n'ont pas besoin d'étiquettes de locuteur ni de timestamps.
Prix : 0,0045 $ par minute d'audio (4,50 $ les 1 000 minutes) ; aucun support Batch. Le gpt-live-transcribe en streaming est à 0,017 $ la minute.
Lire notre avis sur GPT Transcribe
3.9/5
11
MOSS-Transcribe-Diarize 0.9B
MOSS-Transcribe-Diarize remplace un pipeline de réunion à deux modèles par un seul petit, et ses victoires en benchmark sont surtout en mandarin.
Idéal pour : Les équipes qui transcrivent de longs enregistrements multi-locuteurs sur leurs propres GPU, surtout en chinois, qui veulent des étiquettes de locuteur sans un modèle de diarisation distinct.
Prix : Gratuit sous Apache 2.0. Le modèle Pro plus grand est proposé via le playground en ligne de MOSI ; les tarifs d'API ne sont pas publiés.
Lire notre avis sur MOSS-Transcribe-Diarize 0.9B
3.9/5
12
VibeVoice-ASR
VibeVoice-ASR transforme une réunion d'une heure en une transcription étiquetée par locuteur en une passe, et chaque chiffre de précision pour lui est toujours celui de Microsoft.
Idéal pour : Les équipes qui transcrivent de longs enregistrements multi-locuteurs sur leur propre matériel et veulent des étiquettes de locuteur sans une étape de diarisation distincte.
Prix : Gratuit sous la licence MIT. Aussi disponible dans Azure AI Foundry Labs.
Lire notre avis sur VibeVoice-ASR
3.8/5
13
Whistle
Une reconnaissance vocale utilisable en sept langues dans 16,9 MB, chez un fournisseur qui garde son moteur fermé et sa télémétrie activée.
Idéal pour : Les fabricants d'appareils qui ont besoin de commandes vocales hors ligne en langues européennes sur du matériel trop petit pour Whisper.
Prix : Poids ouverts gratuits sous Apache 2.0 ; le moteur précompilé est téléchargeable gratuitement. Cactus vend de l'aide au fine-tuning et au déploiement sur sa plateforme ; prix non publiés.
Lire notre avis sur Whistle
3.8/5
14
Whisper large-v3-turbo
Whisper turbo est désormais la base bon marché et sans restriction à laquelle on compare les modèles de parole plus récents, pas le modèle qui gagne.
Idéal pour : Les équipes qui ont besoin d'une transcription bon marché et sous licence permissive qu'elles peuvent auto-héberger ou acheter pour des centimes l'heure, et peuvent vivre avec une précision de second rang.
Prix : Gratuit sous la licence MIT. Les versions hébergées sont bon marché : Artificial Analysis indique Groq à environ 0,67 $ les 1 000 minutes.
Lire notre avis sur Whisper large-v3-turbo
3.7/5