Inworld STT
Realtime STT-1 · 30 languages · Voice Profile · cloud API
Scores comparatifs
Architecture
Évaluer transcription, silences et interruptions en français indépendamment de l’hébergement LLM. Aucune correspondance automatique avec l’émotion de l’avatar n’est validée.
Analyse
Realtime STT-1 est un modèle de transcription cloud avec 30 langues documentées, des signaux Voice Profile et une détection de tour contrôlable. La diarisation est expérimentale. Inference est un service LLM distinct ; la Realtime API assemble les composants vocaux. RAG et embeddings restent des responsabilités applicatives.
Points forts
- Streaming WebSocket et transcription de fichiers
- 30 langues documentées
- Signaux Voice Profile avec transcription
- Tours automatiques ou pilotés par le client
Limitations
- WER français et latence bout en bout à mesurer
- Diarisation expérimentale
- On-premise en libre-service non confirmé
- Voice Profile ne constitue pas une évaluation émotionnelle validée
Capacités STT
Bidirectional WebSocket or synchronous file transcription. Automatic turn detection or client-controlled turns. French full-pipeline latency remains unmeasured.
30+ langues
Tarification
On-Demand : 0,15 $/h ; Creator : 0,10 $/h avec 25 $/mois de crédits partagés. STT seul, hors LLM/TTS. Vérifié le 15.10.2026.
| Plan | Abonnement/mois | Inclus | Dépassement/min | Topup |
|---|---|---|---|---|
On-Demand (gratuit) Pay-as-you-go au-delà des minutes incluses | Gratuit | 400 min | $0.0025 | Oui |
CreatorRecommandé Solde Creator partagé avec TTS/LLM. | $25/mo | 15,000 min | $0.0017 | Oui |
Souveraineté & Conformité
Non confirmé par les sources actuelles / Not confirmed by current sources. Enterprise regions are not proof of self-hosting.
Résidence des données : Public US; EU/India on separately provisioned Enterprise organizations. Model availability must be confirmed.
Cloud API. No documented self-service on-premise offering; any dedicated deployment requires confirmation.
Positionnement de Inworld STT
Au-delà des specs techniques : où se positionne cet outil dans l'écosystème, quels sont les risques et les enjeux stratégiques pour GamiWays ?
STT-1 est un candidat d’entrée vocale ; Inference ajoute une option distincte d’hébergement LLM, sans performance de pile validée.
A. Positionnement stratégique
Client cible : Developer / Enterprise — gaming, regulated industries, real-time interactive experiences
Realtime STT-1 : transcription streaming, 30 langues et signaux Voice Profile. UE/Inde nécessitent une organisation Enterprise provisionnée séparément.
B. Avantage concurrentiel
- STT-1 · 30 langues · streaming
- Signaux Voice Profile et détection de tour contrôlable
Vulnérabilité : Aucun WER français ni délai complet comparable vérifié ; diarisation expérimentale et conditions de déploiement à tester.
E. Questions stratégiques pour GamiWays
Fit souveraineté
Service public US. Disponibilité du modèle Enterprise UE/Inde à confirmer. On-premise en libre-service non documenté.
Build vs. Buy
Évaluer le STT séparément de l’hébergement LLM Inference ; conserver le fournisseur de transcription actuel comme référence.
Risque de lock-in
STT propriétaire et fonctions de plateforme nécessitent un adaptateur applicatif interchangeable.
Alignement roadmap
Transcription française, silences et interruptions à évaluer sur la charge applicative.
Vérification de cette fiche
Note de mise à jour : AA-WER public 3,9 % ajouté le 17 octobre 2026. Prix et langues de l’audit du 15 octobre conservés. Latence de bout en bout toujours non publiée.
Cette date concerne les prix, capacités et notes propres à cette fiche. Les benchmarks de comparaison suivent la synchronisation et la méthode indiquées dans le bloc au-dessus.
Benchmarks ELO / indices : Artificial Analysis