Nari Labs Qwen3-ASR Fast 與 Qwen3-TTS Fast 領先 Coval 語音 AI 基準測試（2026 年 9 月）

簡要重點 – Nari Labs 在 Coval 語音 AI 基準測試中佔據主導地位

Nari Labs 的 Qwen3‑ASR Fast 與 Qwen3‑TTS Fast 模型分別在語音轉文字（STT）與文字轉語音（TTS）領域處於品質-延遲的帕累托前緣，同時在所有公開模型中也位於延遲-成本與品質-成本的前緣。

---

語音轉文字效能

結論： Qwen3‑ASR Fast 在 Coval 基準測試中以 44 ms 的中位數最終片段時間（TTFS）達成最快延遲，同時維持 3.6% 的詞錯誤率（WER），在延遲方面排名 #1，在準確性方面排名 #2。

• 延遲： p50 TTFS = 44 ms，為 Coval STT 排行榜中報告的最低值。
• 準確性： WER = 3.6%，僅比 AssemblyAI 的 Universal 3.5 Pro（WER = 3.5 %）高出 0.1 %。
• 成本： Fast 端點每小時 $0.12，與公開定價模型中第二低的價格並列；Standard 端點更便宜，僅需 $0.06 / 小時。
• 競爭性定價： AssemblyAI 的 Universal 3.5 Pro 價格高 3.75 倍；Deepgram Nova 3 價格高 2.4 倍。

「我們的 Qwen3‑ASR Fast 模型在 Time‑to‑Final‑Segment（TTFS）上排名 #1，p50 為 44 ms，WER 為 3.6%，僅次於 AssemblyAI 的 Universal 3.5 Pro（3.5%）位居第二。」 – Nari Labs 博客

文字轉語音效能

結論： Qwen3‑TTS Fast 以 63 ms 的中位數首段音訊時間（TTFA）達成第二快延遲，並以 3.8% 的最低 WER 獲得最佳準確性，表現超越更大規模的商業服務，且成本更低。

• 延遲： p50 TTFA = 63 ms，僅次於 Fluxions 的 vui（49 ms），後者使用 300 M 參數模型。
• 準確性： WER = 3.8%，為所有評估模型中最低。
• 成本： $10 / 1M 字元，與 Coval 定價目錄中最低價格並列；Standard 端點為 $5 / 1M 字元。
• 競爭性定價： ElevenLabs Eleven v3 Conversational 價格約高 5 倍；Cartesia Sonic 3.6 價格約高 6.5 倍。
• 模型規模： Qwen3‑TTS Fast 執行 1.7 B 參數模型，提供比 300 M 參數的 vui 更佳的品質-延遲表現。

「我們的 Qwen3‑TTS Fast 模型在 Time‑to‑First‑Audio（TTFA）上排名 #2，p50 為 63 ms，WER 為 3.8%，位居第一。」 – Nari Labs 博客

全面的效能成本比

結論： Nari Labs 在延遲-成本與品質-成本的帕累托前緣領先，表示在所有公開記錄的服務中，您能以最低價格獲得最快、最準確的 STT/TTS。

• STT： $0.12 / 小時（Fast）對比 AssemblyAI 相似產品的 $0.45 / 小時。
• TTS： $10 / 1M 字元（Fast）對比 ElevenLabs 與 Cartesia 的 $50‑$65 / 1M 字元。
• 定價方法論： 比較基於 Coval 的定價目錄，該目錄整合了各端點的公開定價資訊。

社群在 Hacker News 上的反應

結論： 討論聚焦於即時 TTS 的可行性、呼籲獨立驗證，以及對技術捷徑的好奇。

• 即時可行性： 一位使用者（mowmiatlas）分享了一個 GitHub 專案，展示即時 TTS，指出低延遲合成趨勢正日益普及。
• 競爭格局： iharnoor 警告 TTS 市場將更加擁擠，強調語音模型與 LLM API 在市場動態上有所不同。
• 品質疑慮： 一位評論者（rahimnathwani）報告在一段 33 秒的音訊中出現語音切換錯誤，暗示需進行更嚴謹的韌性測試。
• 驗證需求： yoloakki 呼籲獨立評估（例如 Datapoint AI）以確認 Nari 的聲稱。
• 技術好奇： asaiacai 詢問加速 TTS 的主要關鍵因素，假設包括模型蒸餾與架構感知優化。
• 示範期待： ipsum2 提醒公開宣告應搭配互動式示範；Nari Labs 目前提供免費試用期。
• 開源好奇： meatmanek 詢問 ASR 推論引擎是否開源；Nari Labs 尚未公開此資訊。

基準數字對開發者的意義

結論： 對於生產環境中的語音代理，選擇 Nari Labs 的 Fast 端點可將感知延遲降低數十毫秒，同時相比領先的商業替代方案，營運成本可降低高達 75 %。

• 使用者體驗： 更低的 TTFA/TTFS 直接轉化為對話介面中更快的回應速度，減少使用者的「思考」空窗期。
• 可擴展性： 廉價的每小時（STT）與每字元（TTS）定價，使高頻率部署成為可能，且不會造成雲端支出過高。
• 整合： Nari Labs 提供 RESTful API，並提供免費試用；在服務從測試版轉為正式版時，早期採用者可獲得 $20 信用額度。

---

重點： Nari Labs 的 Qwen3‑ASR Fast 與 Qwen3‑TTS Fast 在語音 AI 延遲、準確性與成本方面設立了新產業標準，使其成為開發即時語音應用程式開發者極具吸引力的選擇。