Pular para o conteúdo
Resumo das ferramentas de transcrição em russo e sua precisão
tl;dv em primeiro lugar no nosso teste de transcrição de reuniões em russo, com uma pontuação de 168 em 200. O HappyScribe ficou em segundo lugar, com 126, Fireflies 110 e Fathom . A avaliação foi feita às cegas, com as ferramentas anonimizadas durante as rodadas de pontuação realizadas com LLMs e um falante nativo.
tl;dv o melhor na categoria de precisão, com uma vantagem de 17 pontos. Foi a única ferramenta que identificou corretamente os nomes próprios em todas as três reuniões e manteve a consistência em todas as execuções. No reconhecimento do russo, nenhuma outra ferramenta chegou nem perto.
Aqui está a pontuação de cada ferramenta com base nas seções em que a testamos.
| Nível | Max | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Transcrição e precisão | 65 | 52/65 | 22/65 | 14/65 | 35/65 |
| Qualidade de reunião como na vida real | 45 | 37/45 | 16/45 | 15/45 | 29/45 |
| Recursos e funcionalidades | 72 | 61/72 | 54/72 | 42/72 | 44/72 |
| Confiança, segurança e valor | 18 | 18/18 | 18/18 | 18/12 | 18/18 |
| Pontuação geral | 200 | 168/200 | 110/200 | 83/200 | 126/200 |
| Classificação | 1 | 3 | 4 | 2 |
A precisão da transcrição de reuniões em russo apresentou um resultado mais diferenciado do que nossos testes anteriores em francês, espanhol e português. tl;dv a pontuação mais alta, com 168 pontos, enquanto o HappyScribe ficou com 126.
As diferenças também não foram uniformes. Na categoria de transcrição, tl;dv com uma vantagem total de 17 pontos em relação à ferramenta mais próxima, com pontuações na detecção de entidades apresentando variações bastante acentuadas. Os nomes próprios foram o ponto em que as outras ferramentas desta lista realmente tiveram dificuldades.
O russo é uma língua que consegue realmente destacar pequenos erros de uma forma que o inglês não consegue. No russo, substantivos e adjetivos possuem terminações de caso, de modo que um único deslize silábico pode alterar quem fez o quê a quem, em vez de resultar no que seria um erro de digitação mais óbvio. O russo empresarial também alterna entre palavras emprestadas do inglês e frases em cirílico. Cada ferramenta que testamos precisava decidir se transliteraria itens como nomes de marcas, se os deixaria no alfabeto latino ou se simplesmente faria uma escolha com base no que achasse melhor. Três em cada quatro pareciam adivinhar, e uma dessas ferramentas chegou até a transformar o chefe de um governo regional no “demônio-chefe”.
Para realizar nosso teste, selecionamos três reuniões reais em russo e as submetemos ao seguinte processo:
Os tipos de reuniões foram variados, incluindo uma sessão sobre a diferença entre crescimento e desenvolvimento, um painel sobre comunicação corporativa e uma sessão sobre desenvolvimento urbano em Kazan.
Em nossos testes, normalmente tentaríamos incluir o Google Gemini, já que essa é uma ferramenta comum no ambiente de trabalho das pessoas, mas, como Gemini ainda Gemini oferece suporte ao russo, ele foi omitido.
Para obter os resultados mais justos possíveis, a avaliação foi realizada de forma cega. Dois LLMs avaliaram cada resposta sem que os nomes das ferramentas fossem exibidos, e um falante nativo de russo verificou os pontos em que as ferramentas apresentaram dificuldades ou divergiram entre si.
Transcrição e precisão de reuniões em russo
Em nossos testes, a seção de transcrição e precisão tem maior peso, pois tudo decorre disso. De um total de 65 pontos, tl;dv 52, enquanto Fathom apenas 14.
Essas respostas foram avaliadas por LLMs (o Claude,Anthropic, e o ChatGPT, da OpenAI) e, em seguida, confirmadas por meio de uma avaliação cega realizada por falantes nativos, com os nomes das ferramentas ocultados.
| Métrico | Como foi a pontuação | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Precisão linguística | Avaliação cega da gravidade, realizada por falantes nativos, sobre a precisão na língua em questão | 15/20 | 20/7 | 20/5 | 20/12 |
| Tratamento específico por idioma | Ortografia cirílica, terminações de caso, pontuação, alternância de código | 15/20 | 20/7 | 20/4 | 20/9 |
| Índice de palavras claramente erradas | Proporção de tokens que são manifestamente incorretos: inserções inventadas ou não russas e loops de repetição | 5/5 | 2/5 | 0/5 | 4/5 |
| Detecção de entidades | Nomes, empresas e locais presentes no elenco | 5/5 | 1/5 | 0/5 | 2/5 |
| Números, datas e moedas | Números, datas e valores formatados corretamente no idioma local | 4/5 | 2/5 | 2/5 | 3/5 |
| Reconhecimento bruto de termos técnicos | Termos e siglas do setor antes do treinamento personalizado | 4/5 | 1/5 | 1/5 | 2/5 |
| Pontuação e segmentação | Quebras de frase e divisão em parágrafos na saída do teste | 4/5 | 2/5 | 2/5 | 3/5 |
| Subtotal de transcrição e precisão | 52/65 | 22/65 | 14/65 | 35/65 |
Detecção de entidades
A maior diferença na pontuação ocorreu na detecção de entidades. tl;dv 5 de 5, enquanto Fathom 0.
Os nomes próprios em russo são mais complicados do que em inglês. Por exemplo, nomes de marcas precisam ser transliterados para o alfabeto cirílico, e uma ferramenta não pode simplesmente recorrer à transcrição literal do que capturou. Dois exemplos em que tl;dv bem e as outras ferramentas tiveram dificuldades foram quando ele capturou “Проктер энд Гэмбл” corretamente e expandiu “CBD” para “Customer Business Development”. Nenhuma das outras ferramentas conseguiu fazer isso.
Um dos maiores erros foi o nome da marca Wrike. tl;dv citá-lo corretamente. Os outros três descreveram um produto com 30.000 usuários, mas omitiram completamente o nome do produto da frase. Se alguém lesse essas transcrições e tentasse descobrir qual ferramenta o locutor estava recomendando, não conseguiria encontrar esse detalhe específico.
Na sessão de Kazan, isso aconteceu novamente com o МЕГА, o Баухауз e o Проспект Универсиады. tl;dv a única ferramenta a obter nota máxima nessa série em todos os três testes.
Precisão linguística
Ninguém tirou nota máxima nessa rubrica, que valia 20 pontos, e que representa aproximadamente a porcentagem da reunião que sobreviveu ao processo de transcrição. tl;dv o que se destacou, com 15 pontos.
Fathom recebeu Fathom 5 pontos, e isso se deveu a uma falha específica que foi identificada, e não apenas a erros de compreensão auditiva. Em um clip gerou frases em inglês que nunca foram ditas e criou entidades que simplesmente não foram mencionadas no áudio. Nosso falante nativo afirmou que o que foi transcrito estava razoável, mas, no fim das contas, o sistema acrescentou muitas coisas que não existiam.
Fireflies obteve uma pontuação total de 7 e apresentou resultados um pouco mais problemáticos. Os erros que cometeu foram palavras em russo, escritas corretamente, mas colocadas nos lugares errados. Por exemplo, transformou “главы региона” (chefe do governo regional) em “главного демона” (demônio-chefe). Na mesma passagem, “Проспект Универсиады” tornou-se “Проспект Грузиады”, o que não é uma rua em Kazan nem em nenhum outro lugar.
Isso significa que alguém que lesse a Fathom seria capaz de perceber facilmente e pensar “Isso está errado”, enquanto Fireflies mais coerente à primeira vista, apesar de conter erros graves.
Tratamento específico por idioma
tl;dv também tl;dv 15 pontos aqui, liderando o grupo
Como mencionamos anteriormente, a linguagem empresarial russa pode, às vezes, apresentar alternância de código para o inglês, e isso ocorre no meio da frase. Cada ferramenta precisava transcrever e avaliar o que fazer nessas situações, bem como decidir se deveria inserir uma palavra em inglês dentro de uma oração em cirílico. Tl;dv Fathom manter tudo o que estava em alfabeto latino. Fireflies as palavras foneticamente, como, por exemplo, “вот эвер”, o que nosso falante nativo marcou como incorreto.
Taxa de erros de palavras
Resumindo: tl;dv 5 aqui, enquanto Fathom último lugar, com nota 0.
Em nossos testes, não tínhamos uma transcrição literal e verificada do que foi dito, então analisamos como cada ferramenta se saiu e quantas palavras estavam claramente erradas. Coisas como caracteres não russos, repetições em loop e qualquer coisa que estivesse simplesmente incorreta. A transcriçãotl;dvno primeiro clip praticamente nada disso. Fathomcontinha cerca de uma palavra em cada oito.
Números, datas e moedas
Em uma área em que os dados precisam estar corretos, sob pena de gerarem erros reais mais adiante, tl;dv a pontuação máxima aqui, com 4.
Um dos maiores erros da coorte foi o do HappyScribe. Um palestrante descreveu um período específico de десять лет (dez anos). O HappyScribe, porém, registrou десять миллионов, ou seja, dez milhões. Se você estivesse dando uma olhada rápida no texto, isso não pareceria imediatamente incorreto como um erro de transcrição, mas a diferença entre dez anos e dez milhões é bastante grande.
No painel de comunicações corporativas, todas as quatro ferramentas conseguiram exibir todos os números corretamente. Isso incluiu valores, datas e porcentagens.
Termo técnico: Reconhecimento bruto
Resumo: tl;dv 4 pontos, o HappyScribe 2, Fireflies e Fathom .
tl;dv captar melhor o jargão técnico e a terminologia nesta linha, sem qualquer contribuição de vocabulário personalizado. As outras ferramentas tiveram um pouco de dificuldade com a palavra específica “персонализация” (personalização).
O HappyScribe ouviu “реализация” (realização ou implementação). Fireflies “кристаллизация” (cristalização). Ambas são palavras reais da língua russa, mas também estão incorretas e são diferentes uma da outra.
Qualidade das reuniões na prática
A precisão da transcrição é a espinha dorsal que permeia todo o processo; se ela estiver incorreta, tudo o que vem a seguir corre o risco de apresentar problemas.
Nesta seção, analisamos alguns dos elementos adicionais da transcrição, bem como o resultado final e a utilidade disso quando aplicado a reuniões de negócios reais e aos seus fluxos de trabalho.
tl;dv a nota mais alta aqui, com 37; a nota mais baixa foi Fathom 15.
| Métrico | Como foi a pontuação | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Qualidade da diarização | Contagem correta de falantes e atribuição de falas em comparação com o elenco conhecido | 10/10 | 0/10 | 0/10 | 10/10 |
| Estabilidade comportamental | Estabilidade comportamental entre os diferentes tipos de sessão | 9/10 | 3/10 | 1/10 | 5/10 |
| Qualidade do resumo | A utilidade do resumo e se ele foi mantido no idioma de origem, levando em conta os empréstimos linguísticos | 5/5 | 4/5 | 5/5 | 2/5 |
| Taxa de alucinação / inserção | Texto inventado, repetido ou duplicado que não está presente no áudio. Erros de compreensão auditiva e trechos omitidos excluídos | 8/10 | 0/10 | 0/10 | 10/10 |
| Extração de itens de ação | Qualidade das tarefas e ações de acompanhamento definidas na reunião | 0/5 | 5/5 | 5/5 | 0/5 |
| Capítulos automáticos / divisão em seções | O resumo divide a reunião em seções úteis? | 5/5 | 4/5 | 4/5 | 2/5 |
| Subtotal da qualidade das reuniões no mundo real | 37/45 | 16/45 | 15/45 | 29/45 |
Resumo da qualidade
tl;dv Fathom 5, Fireflies e HappyScribe 2.
Fireflies mudaram Fireflies a geografia de uma reunião. Na sessão de Kazan, o resumo contém uma seção intitulada “Градостроительная политика и инновации в Москве” (Política de planejamento urbano e inovações em Moscou). O problema é que toda a reunião trata de Kazan, que fica a uns bons 800 km de Moscou. No corpo dessa seção do resumo, faz-se referência à área como estando “próxima ao centro de Moscou”.
O HappyScribe também obteve uma pontuação mais baixa, com 2, mas por outro motivo. Em uma reunião, apesar de ter transcrito a reunião, ele não conseguiu gerar um resumo. Exibiu a mensagem “Nenhuma fala detectada”, embora tivesse transcrito uma versão razoavelmente boa.
Como mencionamos acima, Fathom se saiu muito bem nesse quesito. Apesar de inventar frases em inglês, o resumo ficou claro, dentro do tema e totalmente em russo. Nenhum dos trechos inventados foi incluído no resumo.
Alucinação e taxa de inserção
O HappyScribe obteve 10 pontos, tl;dv , Fireflies Fathom .
Essa é uma das poucas áreas em que tl;dv a melhor, e tratava-se de uma única seção em que apareciam dois personagens japoneses. Era fácil de identificar e teria sido facilmente percebido por um leitor, mas, mesmo assim, tratava-se de uma inserção.
Fireflies alguns loops significativos em dois dos três testes. Em uma gravação, repetiu “с людьми” (com pessoas) vinte e quatro vezes. Na sessão de Kazan, repetiu “Я не знаю” oito vezes (eu não sei). Nosso falante nativo identificou esses erros como falhas na transcrição.
Fireflies “Продолжение следует” (continua) após o término de uma discussão. Trata-se de uma legenda padrão de encerramento, e não de algo que tenha sido dito na sala.
Qualidade da diarização
tl;dv HappyScribe marcaram 10 pontos; Fireflies Fathom .
Como o teste principal é executado como uma única fonte de áudio por meio do Google Meet, para avaliar esse aspecto, realizamos outra rodada de testes enviando o conteúdo diretamente para a plataforma, a fim de verificar sua capacidade de identificar e rotular os locutores. Tanto tl;dv o HappyScribe obtêm nota máxima nessa avaliação. Fathom não Fathom a possibilidade de enviar áudio ou vídeo para sua plataforma.
Fireflies o mesmo arquivo de áudio e falhou. Em um arquivo que continha um único locutor, o sistema registrou três locutores e alternou entre eles vinte e duas vezes ao longo de vinte e quatro segmentos, muitas vezes no meio das frases. Em um caso específico, uma única frase foi atribuída a três locutores diferentes.
Estabilidade comportamental
Resumindo: tl;dv 9, o HappyScribe 5, Fireflies e Fathom .
Aqui, analisamos o desempenho consistente de uma ferramenta ao longo de todas as sessões. tl;dv o mais estável em todos os aspectos, enquanto Fathom as maiores Fathom .
Extração de itens de ação
Nessa área, tl;dv , e há uma razão bem fundamentada para isso. Em cada um dos resumos, Fireflies Fathom tarefas às pessoas com base no resultado.
tl;dv não tl;dv isso em nenhuma das três execuções, e há um motivo para isso. Não havia itens de ação a serem registrados.
Portanto, quando Fireflies Fathom itens de ação, eles os criaram do nada. Foram três mesas-redondas. Ninguém atribuiu nada a ninguém, ninguém se comprometeu a entregar nada e não foi definido nenhum acompanhamento. Não havia nenhuma lista para extrair, então ambas as ferramentas geraram uma.
Portanto, embora tl;dv nenhuma pontuação aqui, não leve isso muito a sério.
Capítulos e divisão em seções automáticos
Resumo: tl;dv 5, Fireflies Fathom , e o HappyScribe, 2.
tl;dv dividir cada reunião em sessões temáticas numeradas, de forma consistente, com cada marcador de tópico acompanhado de um carimbo de data e hora com link para verificação. Nenhuma das outras ferramentas apresentava carimbos de data e hora nesse nível e, embora fossem capazes de segmentar o conteúdo, a qualidade e a quantidade variavam mais dependendo da ferramenta. Utilizamos o resumo padronizado para cada uma delas, por uma questão de imparcialidade.
Recursos e funcionalidades
Nesta seção, analisamos as ferramentas como um todo, quais recursos elas oferecem, bem como alguns resultados de referência em áreas como velocidade de processamento e precisão de registro de data e hora.
Se as seções anteriores trataram da avaliação do desempenho da ferramenta, esta se concentra nas diversas maneiras pelas quais os dados podem ser utilizados dentro de uma empresa. É uma disputa bastante acirrada, e tl;dv a melhor com 61 pontos, com uma diferença de 19 pontos em relação às demais ferramentas.
| Métrico | Como foi a pontuação | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Nomeação de alto-falantes pronta para uso | Identifica automaticamente os participantes reais no Meet, Zoom e Teams | 5/5 | 5/5 | 5/5 | 0/5 |
| Impressão de voz | Disponibilidade de treinamento de impressão vocal para a própria voz do usuário | 5/5 | 0/5 | 0/5 | 0/5 |
| Gravação sem bots | Grava através do áudio do sistema sem enviar um bot para a chamada | 5/5 | 5/5 | 5/5 | 5/5 |
| Sincronização de CRM | Nativo e sincronização automática | 3/3 | 3/3 | 3/3 | 0/3 |
| Notas personalizadas / modelos | Formatos de resumo personalizáveis versus uma saída fixa | 3/3 | 3/3 | 3/3 | 3/3 |
| Treinamento de vocabulário/entidades personalizadas | Ensinar termos e siglas do setor | 5/5 | 5/5 | 0/5 | 5/5 |
| Localização da interface do usuário em russo | Se a própria interface do produto está disponível em russo | 0/5 | 0/5 | 0/5 | 0/5 |
| Amplitude das integrações | Slack, calendário, Zapier, API | 3/3 | 3/3 | 3/3 | 3/3 |
| Velocidade de processamento | Ordem de recebimento da transcrição finalizada após o término da reunião | 3/3 | 3/3 | 3/3 | 2/3 |
| Rastreamento de palavras de preenchimento | Rastreia palavras de preenchimento sem duplicar a gagueira, em vez de suavizar excessivamente a transcrição | 3/3 | 0/3 | 0/3 | 0/3 |
| Precisão do carimbo de data e hora | Verifique aleatoriamente se os carimbos de data e hora correspondem ao momento correto | 3/3 | 1/3 | 0/3 | 0/3 |
| Disponibilidade da tradução | Ele consegue traduzir as anotações da reunião? E para quantos idiomas? | 3/3 | 0/3 | 0/3 | 3/3 |
| Pesquisar na transcrição | Pesquisar em uma reunião e na biblioteca | 3/3 | 3/3 | 3/3 | 3/3 |
| Interface de usuário para edição de transcrições | É possível corrigir a transcrição facilmente depois que ela já estiver pronta? | 3/3 | 3/3 | 3/3 | 3/3 |
| Formatos de exportação | SRT, VTT, TXT, DOCX e formatos semelhantes | 0/3 | 3/3 | 0/3 | 3/3 |
| Transcrição ao vivo / em tempo real | A transcrição é exibida ao vivo durante a reunião? | 0/3 | 3/3 | 3/3 | 0/3 |
| Cobertura da plataforma de reuniões | Cobertura do Zoom, Meet, Teams e Webex | 3/3 | 3/3 | 3/3 | 3/3 |
| Captura de aplicativos móveis | É possível gravar reuniões presenciais por meio de um aplicativo móvel? | 3/3 | 3/3 | 0/3 | 3/3 |
| Servidor MCP nativo | Servidor nativo próprio que permite que assistentes de IA consultem o acervo de reuniões | 5/5 | 5/5 | 5/5 | 5/5 |
| Edição do rótulo do alto-falante | É possível renomear e reatribuir alto-falantes posteriormente? | 3/3 | 3/3 | 3/3 | 3/3 |
| Subtotal de recursos e funcionalidades | 61/72 | 54/72 | 42/72 | 44/72 |
Impressão de voz
A impressão de voz é um recurso que treina um sistema com a própria voz do usuário, quando ele opta por participar, para que ela possa ser reconhecida em todas as reuniões sem a necessidade de reclassificação. Essa pontuação se baseia na disponibilidade ou não desse recurso, e tl;dv o único que o possui.
Rastreamento de palavras de preenchimento
Uma das razões pelas quais tl;dv tão bom na transcrição é que ele oferece o rastreamento de palavras de preenchimento, em vez de removê-las. Isso significa que a ferramenta identifica a versão mais fiel da transcrição, mantendo as hesitações em vez de suavizá-las. Embora as outras três ferramentas possam apresentar uma versão mais limpa da reunião como um todo, elas, na prática, editam o conteúdo da reunião.
Disponibilidade da tradução
tl;dv o HappyScribe receberam nota 3. Fireflies Fathom 0.
Consegui acessar a transcrição no tl;dv no HappyScribe, clicar em um botão e converter a transcrição em russo para o inglês. Isso é incrivelmente útil para empresas multinacionais que realizam reuniões em diferentes idiomas. Fathom fazer isso no resumo, mas não na transcrição em si; por isso, elas não receberam uma pontuação, pois já havíamos identificado que havia discrepâncias entre a transcrição e o próprio resumo.
Nomeação de alto-falantes pronta para uso
tl;dv Fireflies Fathom 5. HappyScribe tirou nota 0.
A maioria das ferramentas consegue extrair as identificações do Google Meet, do Zoom do Teams e aplicá-las automaticamente à transcrição. O HappyScribe não faz isso, então os interlocutores aparecem como identificações genéricas, e você precisa inserir os nomes posteriormente.
Sincronização do CRM
O HappyScribe é a única ferramenta que não possui sincronização nativa com um CRM. Suas integrações abrangem várias opções, mas não há conexão direta com um CRM.
Isso pode ser feito com o Zapier, mas exigirá configuração e manutenção adicionais de um fluxo de trabalho.
Todas as outras três ferramentas são capazes de enviar notas diretamente para o CRM de forma automática, economizando tempo, energia e recursos.
Velocidade de processamento
tl;dv Fireflies Fathom 3. HappyScribe recebeu nota 2.
Esta seção avaliou a rapidez com que a transcrição e os resumos ficaram disponíveis após a reunião. Tl;dv Fathom imediatamente após a reunião, seguidos pelo Fireflies. O HappyScribe foi o que demorou mais entre todas as ferramentas.
Esta seção está fechada
Em comparação com os resultados obtidos na precisão bruta da transcrição, houve menos diferença entre as pontuações neste quesito. Cada uma das ferramentas possui alguns recursos realmente bons e, por isso, muitos aspectos — como gravação sem bots, cobertura de plataformas e servidor MCP — estão em pé de igualdade.
Esses quatro produtos são semelhantes em termos de funcionalidades, mas o elemento de transcrição em si mostra que, quando se trata de transcrição em russo, eles não se comparam.
Confiança, Segurança e Valor
Esta seção aborda a segurança e a confiabilidade de cada plataforma. Todas as ferramentas apresentadas possuem excelentes recursos de segurança e estão plenamente cientes das responsabilidades que lhes cabem em 2026 no que diz respeito à garantia da segurança dos dados.
tl;dv Fireflies o HappyScribe tiraram nota máxima, enquanto Fathom pontos em duas categorias por motivos bem específicos.
| Métrico | Como foi a pontuação | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Residência de dados / hospedagem regional | Opções de hospedagem regional, por exemplo, hospedagem na UE sob demanda | 3/3 | 3/3 | 0/3 | 3/3 |
| Segurança e conformidade | SOC2, ISO 27001, GDPR | 3/3 | 3/3 | 3/3 | 3/3 |
| Treinamento de IA com áudio do usuário | Isso evita que a IA seja treinada com o seu áudio (nenhum treinamento recebe nota máxima)? | 3/3 | 3/3 | 0/3 | 3/3 |
| Controles de retenção de dados | Controle sobre o prazo de retenção das gravações e transcrições | 3/3 | 3/3 | 3/3 | 3/3 |
| Transparência de preços | Os preços dos planos são publicados, em vez de serem fornecidos apenas mediante cotação | 3/3 | 3/3 | 3/3 | 3/3 |
| Plano gratuito / limites | Disponibilidade de plano gratuito (um período de teste gratuito por si só recebe nota 0) | 3/3 | 3/3 | 3/3 | 3/3 |
| Subtotal de confiança, segurança e valor | 18/18 | 18/18 | 18/12 | 18/18 |
Residência de dados e hospedagem regional
tl;dv Fireflies HappyScribe tiraram nota 3. Fathom 0.
Essa é a primeira diferença em que as três ferramentas se destacam do Fathom. E é bastante significativa. Os clientes podem escolher onde seus dados serão armazenados, o que é fundamental para empresas da União Europeia e para aquelas que atuam em áreas muito específicas. A classificação aqui é feita com base na disponibilidade de opções.
As equipes do Reino Unido e da Europa, em particular, terão compromissos de hospedagem, e muitas empresas não poderão armazenar dados em locais geográficos específicos.
Fathom opções a esse respeito, e todos os seus dados são armazenados nos EUA. A empresa afirma, porém, que, para fornecedores da UE/Reino Unido, pode estar em conformidade com o GDPR e assinará um Acordo de Tratamento de Dados (DPA) mediante solicitação.
Treinamento de IA com áudio do usuário
tl;dv Fireflies HappyScribe tiraram nota 3. Fathom 0.
Esta seção atribui pontos pelo fato de não treinar IA com dados de clientes. Três das quatro ferramentas afirmam que não o fazem.
A posição Fathomé mais complexa. Seus subprocessadores de IA — que a empresa denomina Anthropic, OpenAI e Google — estão contratualmente impedidos de ser treinados com dados de usuários. Fathom que utiliza dados de clientes anônimos para aprimorar seus próprios modelos, e essa configuração está ativada por padrão.
É possível desativá-lo, e os administradores da equipe podem desativá-lo para toda a organização. Mas só o encontrei depois de percorrer as configurações, e um recurso que precisa ser encontrado é algo bem diferente de um que precisa ser ativado.
Teste de Precisão de Encontros na Rússia: Metodologia
Nossa comparação se baseia em um teste controlado e comparativo, projetado para proporcionar as mesmas condições a todas as ferramentas.
O Conjunto de Testes
Para garantir uma ampla variedade de oportunidades para os testes, foram escolhidas três mesas-redondas russas não relacionadas entre si. Essas gravações foram obtidas de fontes públicas e realizamos todos os testes em condições idênticas, sempre que possível.
A primeira é uma discussão empresarial sobre a diferença entre crescimento e desenvolvimento, abordando a estrutura organizacional, a rotatividade de pessoal e os riscos.
O segundo é um painel sobre comunicação corporativa, repleto de palavras emprestadas do inglês, nomes de marcas e números de usuários.
A terceira é uma discussão sobre desenvolvimento urbano, turismo e mercado imobiliário em Kazan, repleta de nomes de locais da região.
Os vídeos tinham cerca de 7 minutos de duração, o que deveria ser conteúdo suficiente para estabelecer um padrão sólido e identificar pontos fracos. Todos os dispositivos participaram da mesma Google Meet e gravaram simultaneamente. O áudio que receberam era idêntico e correspondia a uma situação idêntica.
Também realizamos um envio separado, sempre que possível, para avaliar a linha de diarização. Tratava-se do mesmo áudio, enviado diretamente, para contornar a chamada.
A Resenha
Em primeiro lugar, a transcrição e a qualidade da reunião foram avaliadas de forma cega. O resultado gerado pelas ferramentas foi inserido em um documento e anonimizado por meio das letras A a D. Nem os LLMs, nem nosso falante nativo, conseguiram identificar qual transcrição pertencia a qual ferramenta.
Realizamos duas rodadas independentes com modelos de linguagem de grande escala (LLM), avaliando-as com base na tabela de pontuação. Uma delas foi executada pelo Claude e a outra pelo ChatGPT. As avaliações foram realizadas em projetos isolados, e os modelos não tiveram acesso aos resultados um do outro.
Nos casos em que as duas ferramentas apresentavam divergências, optamos por aquela que fornecia mais evidências, em vez de calcular a média. Isso significa que a pontuação reconciliada remete a linhas específicas em transcrições específicas, e não ao texto como um todo.
Em seguida, pedimos a um falante nativo de russo que revisasse os resultados, identificando as áreas de maior dificuldade e os pontos em que as ferramentas apresentavam divergências em suas respostas. Foram fornecidos a ele os links para o áudio original, a fim de que pudesse comparar. Essas observações foram utilizadas para confirmar os resultados dos LLMs e apresentar exemplos específicos que um falante nativo de russo perceberia.
As capacidades e a confiabilidade foram avaliadas posteriormente, com base na documentação disponível no momento dos testes. Essas informações foram verificadas diretamente junto aos fornecedores, e não em um site de terceiros.
O conjunto de ferramentas
As ferramentas foram selecionadas por um motivo: em suas campanhas de marketing, elas afirmam ser capazes de transcrever o russo.
Discriminação do motor e do plano
O mecanismo por trás dessas ferramentas é o que realiza o trabalho de transcrição, e nem sempre ele está disponível ao público. Em nossos testes tl;dv o ElevenLabs; Fireflies licenças em vez de compilações, mas não divulga o nome do provedor. Fathom o HappyScribe não divulgam nenhuma informação.| Ferramenta | Motor subjacente / fornecedor | Próprio ou licenciado | Tipo de motor | Plano |
|---|---|---|---|---|
| tl;dv | ElevenLabs Scribe | Licenciado, divulgado publicamente | ASR dedicado | Negócios |
| Fireflies | Não divulgado | Licenciada. O CEO Krish Ramineni afirmou que a empresa nunca teve a intenção de ser uma empresa de API e que a transcrição é um meio para atingir um fim, referindo-se a provedores terceirizados de reconhecimento de fala (ASR) | Reconhecimento de fala automático (ASR) de terceiros com uma camada de LLM integrada | Profissional |
| Fathom | Não divulgado | Não divulgado | Não divulgado | Grátis |
| HappyScribe | Não divulgado | Não divulgado | Não divulgado | Plano Lite |
Escopo e ressalvas
Para cada sessão de gravação, não havia transcrições literais verificadas. Testamos as legendas automáticas do próprio YouTube como referência e as rejeitamos: quando comparadas a essas legendas, todas as ferramentas apresentaram uma taxa de erro superior a 100%. A diarização foi executada por meio de um upload direto de arquivo, em vez de uma chamada ao vivo. Fathom não Fathom caminho de upload; portanto, o valor 0 nessa linha indica a ausência dessa funcionalidade, e não um teste com falha. Todas as pontuações neste artigo foram definidas antes que qualquer ferramenta fosse citada.Qual é o melhor software de transcrição de reuniões para o russo?
tl;dv a pontuação mais alta entre todas as quatro ferramentas que testamos, com 168 de 200, e o fator que determinou essa diferença foi a precisão da transcrição, e não os recursos. Embora todas essas ferramentas façam a mesma coisa, elas não captam e gravam o russo da mesma forma.
A verdadeira falha fundamental de muitas dessas ferramentas, em comparação com tl;dv a capacidade de detectar e relatar corretamente nomes próprios. A detecção de entidades foi a maior lacuna no quadro de resultados. Marcas, lugares e siglas precisam ser transliterados para o alfabeto cirílico. Se a ferramenta tentar adivinhar, você pode acabar com uma transcrição que pareça correta, mas que, na verdade, esteja incorreta.
Esse padrão se mantém ao longo de toda a série. Realizamos o mesmo teste de 200 pontos em japonês, espanhol, francês, alemão, italiano, português, sueco e finlandês. Idiomas diferentes, concorrentes diferentes, mas sempre a mesma estrutura de pontuação. Se você trabalha com um desses idiomas, comece por aí, em vez de usar um parâmetro de referência em inglês.
É possível contornar os problemas mencionados neste artigo, e tl;dv já tl;dv a maioria deles, mas uma transcrição que se refere ao cliente pelo nome errado não consegue fazer isso. Experimente tl;dv sua próxima reunião em russo, de graça, veja por si mesmo e descubra como uma saída de melhor qualidade pode beneficiar todo o seu trabalho posterior.
Perguntas frequentes sobre transcrição de reuniões em russo
Qual é a ferramenta de transcrição por IA mais precisa para o russo?
tl;dv o mais preciso, obtendo 52 pontos em 65 na qualidade da transcrição em nosso teste cego de 2026. O HappyScribe ficou em segundo lugar com 35 pontos, Fireflies 22 e Fathom . A diferença foi maior na detecção de entidades, onde tl;dv 5 tl;dv em 5, contra 2, 1 e 0. É no tratamento de nomes próprios que as ferramentas de transcrição russas se destacam.
Quais assistentes de reunião com IA oferecem suporte ao russo?
tl;dv Fireflies, Fathom o HappyScribe geram transcrições em russo. Nenhum dos quatro oferece uma interface em russo, portanto, a interface do produto em torno da transcrição permanece em inglês. O Google Gemini à transcrição de reuniões em russo. Gemini oito idiomas: inglês, francês, alemão, italiano, japonês, coreano, português e espanhol.
Por que as ferramentas de transcrição baseadas em IA apresentam erros no russo?
Os modelos de transcrição podem inserir textos padrão quando o áudio fica em silêncio ou apresenta ruído, em vez de não retornar nada. Em nosso teste de 2026, Fathom uma linha de créditos de legenda que não aparece em nenhuma parte do áudio. Fireflies “Продолжение следует”, uma legenda de encerramento padrão. Ambos são padrões de texto amplamente relatados em modelos treinados com vídeos legendados.
Qual é o nível de precisão da transcrição por IA para o russo em comparação com o inglês?
A precisão varia muito mais no russo do que sugerem os parâmetros de referência publicados em inglês. Em nosso teste de 2026, as quatro ferramentas obtiveram pontuações entre 14 e 52 de 65 nas mesmas três reuniões. Os erros não foram pequenos deslizes. Entre eles, estavam frases em inglês inventadas, uma expressão repetida vinte e quatro vezes e “dez anos” transcrito como “dez milhões”.
Os sistemas de anotação com IA conseguem lidar com o russo e o inglês na mesma reunião?
Todas as quatro ferramentas que testamos em 2026 transcrevem russo com alternância de código, com resultados variados. tl;dv Fathom a palavra em inglês “whatever” no alfabeto latino. Fireflies foneticamente como “вот эвер”, o que nosso falante nativo considerou incorreto. A transliteração causou mais problemas do que a própria alternância de código. Apenas tl;dv “Проктер энд Гэмбл” e “CBD” corretamente.
