Azure AI Speech מול Google Chirp 3 מול Amazon Transcribe על 153 הודעות קוליות: מדוע InterMIND מפעילה המרת דיבור לטקסט על שער הענן של הארגון שלכם (2026)

מדדנו את שירותי ההמרה של דיבור לטקסט בשלושת שערי הענן שארגון InterMIND יכול לבחור בהם — Azure AI Speech, ‏Google Cloud Speech-to-Text (Chirp 3) ו-Amazon Transcribe — על אותם 153 קטעי הודעות קוליות ב-17 שפות, בסביבת בדיקה אחת וביום אחד. שיעורי שגיאות המילים לכל שפה, שיטת המדידה, המגבלות של כל API, והסיבה לכך שמנוע הזיהוי נקבע לפי השער ולא לפי טבלת הדירוג.

The Mind.com Team

תצוגה מקדימה אלפאMia in meetings
  • כי השער כבר ברשימת מעבדי המשנה שלכם. הודעות קוליות עוברות ל-Azure AI Speech, שירות הדיבור של שער ברירת המחדל, בטננט של InterMIND בשוודיה.
  • המספרים לא מערערים על כך. על 153 קטעים ב-17 שפות: ל-Azure שיעור שגיאות מילים של 9%, ול-Google Chirp 3 ול-Amazon Transcribe 10%. ב-Vertex AI או ב-Bedrock הודעות קוליות עדיין לא מתומללות.
  • InterMIND שומרת את כל הערוץ בשפה של כל חבר, כולל הודעות קוליות, כטקסט שכל חבר צוות קורא. אורחים מצטרפים בחינם דרך קישור, בלי חשבון, ואתם משלמים רק על חברים פעילים.
Azure AI Speech מול Google Chirp 3 מול Amazon Transcribe על 153 הודעות קוליות: מדוע InterMIND מפעילה המרת דיבור לטקסט על שער הענן של הארגון שלכם (2026)

Azure AI Speech מול Google Chirp 3 מול Amazon Transcribe על 153 הודעות קוליות: למה InterMIND מריצה המרת דיבור לטקסט על שער הענן של הארגון שלכם (2026)

הודעה קולית בערוץ של InterMIND הופכת להודעת טקסט שכל חבר צוות קורא בשפה שלו. השלב הראשון בדרך לשם הוא המרת דיבור לטקסט. מי ששואל על כך, למשל ה-IT של המארח או הבודק מטעם לקוח, לא שואל "כמה זה מדויק" אלא "של מי השירות הזה, ולאן עובר האודיו".

התשובה הקצרה: Azure AI Speech, שירות הדיבור של שער ה-AI המוגדר כברירת מחדל, בטננט Azure של InterMIND בשוודיה מרכז (Sweden Central). בנוסף נמדדו שירותי הדיבור של שני השערים האחרים שארגון יכול לבחור, על אותם קטעים, כך שהבחירה נשענת על מספר ולא על העדפה. הפוסט הזה מציג את המספרים שמאחורי הבחירה: אותם 153 קטעים דרך Azure AI Speech, Google Cloud Speech-to-Text ו-Amazon Transcribe באותו יום. הוא מציג גם שתי עובדות על כל API שחשובות יותר מנקודת אחוז אחת של דיוק.

הכלל קודם: שער אחד לכל ארגון

כל יכולת AI ב-InterMIND, כלומר סיכומי פגישות, סיכומי מסמכים, עוזר הכתיבה, Ask AI ו-Mia בפגישה, רצה על שער מודלי שפה אחד שהארגון בוחר. ברירת המחדל היא Azure OpenAI ב-EU Data Zone. לבחירה זמינים Google Vertex AI בנקודת הקצה הרב-אזורית של האיחוד האירופי או Amazon Bedrock בפרנקפורט, וכל אחד מהם בטננט של InterMIND עצמה. הסברנו את ההיגיון ב-Meeting AI on your own cloud gateway: ברוב הארגונים השער הזה כבר ברשימת מעבדי המשנה המאושרים, ולכן יכולת AI לא מוסיפה לרשימה חברה חדשה.

המרת דיבור לטקסט בהודעות קוליות פועלת היום לפי אותו כלל בשער ברירת המחדל. בכל אחד משלושת השערים יש שירות דיבור לצד מודלי השפה, וזה מה שהפוסט הזה מודד:

שערשירות דיבוראזור שבו נעשה שימוש בבדיקהאיך ה-API מקבל הקלטה
Azure OpenAI (Microsoft)Azure AI Speech, fast transcription APISweden Centralבקשה אחת לקובץ של עד 5 שעות ו-500 MB (תיעוד fast transcription, נבדק בספטמבר 2026)
Google Vertex AI (Google Cloud)Cloud Speech-to-Text v2, מודל Chirp 3אזור רב-אזורי euזיהוי סינכרוני מוגבל ל-60 שניות ול-10 MB. אודיו ארוך יותר עובר זיהוי באצווה או בסטרימינג (מגבלות סינכרוני, Chirp 3, נבדק בספטמבר 2026)
Amazon Bedrock (AWS)Amazon Transcribe, סטרימינגeu-central-1 (פרנקפורט)סשן סטרימינג מעל HTTP/2 או WebSocket. הקלט הוא PCM, FLAC או Ogg-Opus (תיעוד סטרימינג, נבדק בספטמבר 2026)

בכל המקרים מערכת הזיהוי מקבלת את שפת הדובר עצמו, השפה שחבר הגדיר בפרופיל, כי זיהוי שפה אוטומטי התגלה כלא אמין בקטעים קצרים בבדיקות שלנו: הודעה רוסית בת ארבע שניות חזרה כאנגלית. כך המוצר קורא ל-Azure היום, והבדיקה קוראת לשניים האחרים באותו אופן.

מה מדדנו

הסט. 153 קטעים ב-17 שפות: 136 תורות דיאלוג, כלומר שני דיאלוגים עסקיים (משא ומתן על חוזה וסטנד-אפ יומי) שנאמרו בידי שני הקולות הסינתטיים של המוצר בעשר שפות. בנוסף 17 קטעים פורמליים: משפטי העסקים של FLORES-200 מתוך מדד התרגום הציבורי שלנו, שהוקראו בקול סינתטי, אחד לכל שפה, באורך 71 עד 109 שניות. תורות הדיאלוג באורך 3 עד 30 שניות, אורכה של הודעה קולית אמיתית.

המדד. שיעור שגיאות מילים (WER) ביחס לטקסט הייחוס, כלומר שיעור המילים שהוחלפו, הוכנסו או נמחקו, אחרי נירמול אותיות גדולות וקטנות, פיסוק ורווחים. סינית ויפנית מושוות לפי תו. שיעור שגיאות התווים נרשם במקביל ומספר את אותו סיפור.

מערך הבדיקה. סקריפט אחד, מכונה אחת, שעה אחת ב-2026-09-16, וכל מנוע עבר על כל 153 הקטעים. Azure ו-Amazon Transcribe קיבלו כל קטע בשלמותו. מזהה הדיבור הסינכרוני של Google מקבל עד 60 שניות לכל היותר, ולכן 17 הקטעים הפורמליים נחתכו בשתיקות לחלקים של פחות מ-55 שניות והתמלולים חוברו. 136 קטעי הדיאלוג נשלחו שלמים. Amazon Transcribe מצפה לאודיו בקצב של זמן אמת, ולכן המערך הזין אותו מהר פי ארבעה מזמן אמת. נתון זמן ההשהיה שלו להלן הוא לכן רצפה שקבע קצב ההזנה, ולא של השירות.

מה זה לא. קולות סינתטיים באודיו שקט, לא הקלטות שטח מטלפון ברכב. יום אחד, ריצה אחת לכל קטע. זו השוואה על האודיו שעליו נבדק צינור התרגום שלנו, בשפות שבהן המשתמשים שלנו כותבים. זו לא טבלת דירוג.

תוצאות: שיעור שגיאות מילים לפי שפה

ממוצע WER על הקטעים של כל שפה. כל מנוע החזיר תמלול לכל 153 הקטעים.

שפהקטעיםAzure AI SpeechGoogle Chirp 3Amazon Transcribe
ערבית1332%46%26%
סינית133%3%8%
צ'כית11%2%3%
הולנדית12%2%3%
אנגלית212%5%2%
צרפתית135%11%12%
גרמנית137%9%13%
הינדית1310%10%12%
הונגרית19%7%8%
איטלקית11%1%3%
יפנית136%5%5%
קוריאנית19%11%11%
פולנית11%1%2%
פורטוגזית (ברזיל)135%4%6%
רוסית2114%10%14%
ספרדית136%5%6%
טורקית14%3%4%
כל 153 הקטעים1539%10%10%
תורות דיאלוג בלבד1369%11%10%
קטעים פורמליים בלבד174%5%5%
זמן עיבוד ÷ אורך האודיו0.100.220.41 (מוגבל בקצב ההזנה)

שפות עם קטע יחיד (הקטע הפורמלי בלבד) מוצגות לשם שלמות התמונה. נתון של קטע אחד הוא נקודת מידע, לא שיעור.

מה המספרים אומרים

  • על כלל הסט שלושת השירותים נמצאים בטווח של נקודה אחת זה מזה: 9%, 10% ו-10%. כל אחד מ-153 הקטעים חזר עם תמלול מכל מנוע, ולכן הכיסוי של 17 השפות מלא בכל השלושה.
  • ההבדלים הם לפי שפה, והם הולכים לשני הכיוונים. ל-Azure היה שיעור השגיאות הנמוך ביותר בצרפתית (5% מול 11% ו-12%) ובגרמנית (7% מול 9% ו-13%), והוא שיתף את המקום הנמוך ביותר באנגלית (2%, עם Amazon Transcribe) ובסינית (3%, עם Google). ל-Amazon Transcribe היה הנמוך ביותר בערבית (26% מול 32% ו-46%). ל-Google היה הנמוך ביותר ברוסית (10% מול 14% ו-14%), בפורטוגזית, בהונגרית ובטורקית.
  • ערבית קשה לשלושתם. התוצאה הטובה ביותר בקטעי הדיאלוג בערבית היא מילה אחת מתוך ארבע שגויה. זה עולה בקנה אחד עם מה שראינו בצד התרגום, שם הסרנו את הערבית מבורר שפות הפגישה באוגוסט 2026 עד שהאיכות תעמוד ברף שלנו (כמה שפות אנחנו תומכים).
  • זמן העיבוד נמוך בהרבה מזמן אמת בכל השלושה. הודעה בת 30 שניות לוקחת כשלוש שניות ב-Azure וכשבע ב-Google במערך הזה. נתון Amazon נקבע בעיקר על ידי ההזנה בקצב מבוקר.

למה Azure AI Speech נשאר ברירת המחדל

שלוש סיבות, לפי הסדר שהכריע.

1. שער ברירת המחדל הוא Azure. ארגון שלא בחר שער מריץ את יכולות ה-AI שלו על Azure OpenAI ב-EU Data Zone, ולכן ההודעות הקוליות שלו מתומללות על ידי Azure AI Speech באותו טננט. אין מעבד משנה נוסף ואין אזור נוסף. Microsoft מצהירה ש-Azure Speech לא מאחסן ולא מעבד נתונים מחוץ לאזור של משאב ה-Speech (דף האזורים, נבדק בספטמבר 2026). המשאב שלנו נמצא ב-Sweden Central, שמופיע ברשימה עבור fast transcription.

2. צורת ה-API מתאימה להודעה קולית. הודעה קולית ב-InterMIND יכולה להגיע לעשר דקות (הודעות קוליות). ה-fast transcription של Azure מקבל את ההקלטה כולה בבקשה אחת. הזיהוי הסינכרוני של Google נעצר ב-60 שניות, ולכן הודעה בת עשר דקות מחייבת זיהוי באצווה דרך bucket אחסון או סשן סטרימינג. Amazon Transcribe עובד בסטרימינג, אבל מקבל PCM, FLAC או Ogg-Opus ולא את הפורמטים שבהם טלפונים ודפדפנים מקליטים, ולכן האודיו עובר קודם המרה. את שתי הבעיות אפשר לפתור, והמערך שלנו פותר אותן, אבל אלה עוד חלקים נעים בדרכה של כל הודעה.

3. המספרים לא מערערים על כך. ב-9% מול 10% ו-10%, אף מנוע בסט הזה לא טוב מספיק כדי להצדיק העברת הודעות קוליות מחוץ לשער ברירת המחדל. אילו Google או Amazon היו מגיעים לחצי משיעור השגיאות, הפוסט הזה היה אומר זאת.

מה זה אומר לארגונים ב-Vertex AI או ב-Bedrock

אם הארגון שלכם בחר ב-Google Vertex AI או ב-Amazon Bedrock כשער, יכולות ה-AI שלכם רצות שם. הודעות קוליות בארגונים כאלה מגיעות כרגע כהקלטה בלי תמלול: מדדנו את Google Cloud Speech-to-Text ואת Amazon Transcribe, כפי שהפוסט מראה, אבל עדיין לא חיברנו אותם למוצר. ההרשאות וקוד האינטגרציה קיימים, והפוסט הזה יתעדכן כשהם יהיו בדרכה של כל הודעה. עד אז, הודעה קולית בארגון על Vertex AI או Bedrock היא הקלטה שאפשר להשמיע. ארגון שמעביר את השער שלו ל-Azure מקבל תמלולים להודעות שנשלחות מאותו רגע ואילך.

שאלות נפוצות

באיזה שירות המרת דיבור לטקסט משתמשת InterMIND?

להודעות קוליות בצ'אט: Azure AI Speech (fast transcription API) בטננט Azure של InterMIND בשוודיה מרכז, שירות הדיבור של שער ה-AI המוגדר כברירת מחדל. דיבור חי בפגישות הוא מסלול אחר: הוא רץ על מנוע המדיה של InterMIND עצמה, ה-Mind API, המתארח ב-OVH בצרפת, ולעולם לא נוגע בשירות דיבור בענן (היכן פגישה אחת רצה).

האם Azure AI Speech מדויק יותר מ-Google Speech-to-Text או מ-Amazon Transcribe?

על הסט שלנו, 153 קטעי הודעות קוליות ב-17 שפות שנמדדו באותו יום עם אותו מערך, ל-Azure AI Speech היה שיעור שגיאות מילים ממוצע של 9%, ל-Google Cloud Speech-to-Text (Chirp 3) 10% ול-Amazon Transcribe 10%. לפי שפה הסדר משתנה: Azure היה הנמוך ביותר בצרפתית, באנגלית ובסינית, Amazon Transcribe בערבית ו-Google ברוסית. על סט הקלטות אחר הדירוג יכול להיות שונה. הטבלה למעלה היא הראיה לסט שלנו.

מהו שיעור שגיאות מילים, ואיך חושב כאן?

שיעור שגיאות מילים הוא מספר המילים שהוחלפו, הוכנסו ונמחקו, מחולק במספר המילים בטקסט הייחוס. מנרמלים אותיות גדולות וקטנות, פיסוק ורווחים לפני ההשוואה, ומשווים סינית ויפנית לפי תו כי הכתבים האלה לא מפרידים מילים ברווחים. שיעור של 9% פירושו שבערך מילה אחת מתוך אחת-עשרה שונה מהייחוס.

האם האודיו של הודעה קולית יוצא מהאיחוד האירופי?

לא. ההקלטה נשמרת באחסון האובייקטים של InterMIND באיחוד האירופי, ושירות הדיבור שמתמלל אותה רץ באזור באיחוד האירופי: Sweden Central ב-Azure, האזור הרב-אזורי eu ב-Google Cloud ופרנקפורט ב-AWS. הרשימה המלאה של הגורמים והאזורים נמצאת בדף מעבדי המשנה.

למה לא לזהות דיבור בצד הלקוח, באפליקציה, כך שהאודיו לא יעזוב את הטלפון?

מדדנו גם את זה, בספטמבר 2026. מזהה הדיבור המובנה של Chrome עם עיבוד מקומי זיהה 0 מתוך 17 קטעים פורמליים בשפות המוצר, וכיסוי השפות של מזהים בצד הלקוח צר בהרבה מ-17 השפות שבטבלה למעלה. זיהוי בצד הלקוח הוא כיוון שאנחנו מודדים מחדש ככל שהפלטפורמות משתפרות, אבל היום מסלול השער הוא זה שעובד לכל חבר בכל שפה.

האם הארגון שלנו יכול לבחור איזה שירות דיבור יתמלל את ההודעות הקוליות שלו?

לא בנפרד: מנהל הארגון בוחר את שער ה-AI בעמוד Integrations. בשער ברירת המחדל הודעות קוליות מתומללות על ידי Azure AI Speech. ב-Vertex AI וב-Amazon Bedrock הודעות קוליות עדיין לא מתומללות. ראו את הסעיף למעלה.

עד כמה ארוכה יכולה להיות הודעה קולית, והאם ה-API מגביל אותה?

עד עשר דקות. ה-fast transcription של Azure מקבל קבצים של עד 5 שעות ו-500 MB בבקשה אחת, ולכן הודעה מתומללת בקריאה אחת. הזיהוי הסינכרוני של Google מקבל 60 שניות ו-10 MB, ולכן המערך חתך את הקטעים הארוכים לחלקים בשתיקות.

למה מערכת הזיהוי מקבלת את שפת הדובר במקום לזהות אותה?

כי הודעה קולית קצרה. בקטע של ארבע שניות זיהוי שפה אוטומטי יכול להחזיר שפה שגויה: הודעת בדיקה רוסית חזרה כאנגלית. שפת הפרופיל של חבר נכונה כמעט תמיד. מערכת הזיהוי מקבלת את השפה הזו, ורק כשהיא לא ידועה היא מקבלת את שפות החדר כמועמדות.

האם אודיו של פגישה מתומלל באותו שירות?

לא. דיבור חי בפגישה מזוהה ומתורגם על המנוע של InterMIND עצמה (ה-Mind API) בשרת המדיה שנושא את השיחה, המתארח ב-OVH בצרפת. ראו היכן פגישה אחת רצה. שער הענן רואה טקסט, ולעולם לא את האודיו של שיחה (meeting AI on your own gateway).

האם תפרסמו את התוצאות שוב?

המערך רץ בפקודה אחת, וההרשאות של כל מנוע במקומן, ולכן אפשר למדוד את הטבלה מחדש כשספק משחרר מודל חדש. כשזה ישנה את התמונה, הפוסט הזה יתעדכן עם התאריך.


ראו בעצמכם


מקורות: Microsoft — Azure AI Speech fast transcription (learn.microsoft.com) וטבלת אזורי Speech (learn.microsoft.com); Google Cloud — מודל Chirp 3 (docs.cloud.google.com), מגבלות זיהוי סינכרוני (docs.cloud.google.com) ושפות נתמכות (docs.cloud.google.com); AWS — סטרימינג של Amazon Transcribe (docs.aws.amazon.com), נקודות קצה ומכסות (docs.aws.amazon.com) ושפות נתמכות (docs.aws.amazon.com); הכול נבדק בספטמבר 2026. מדידה: InterMIND speech bench, 2026-09-16, 153 קטעים, 17 שפות.

עוד בIT ומנהלי מערכת

כל הפוסטים בIT ומנהלי מערכת
איך לראות מי משתמש בדקות התרגום ובנפח האחסון שלכם — ולקבל אימייל לפני שמגיעים למגבלה (2026)
IT ומנהלי מערכת

איך לראות מי משתמש בדקות התרגום ובנפח האחסון שלכם — ולקבל אימייל לפני שמגיעים למגבלה (2026)

כל מכסה ב-InterMIND נמדדת לפי מארח הפגישה: דקות של תרגום קולי בפגישות שיצרתם, מילים של תרגום צ'אט עבור המשתתפים שלכם, מסמכים שתורגמו והאחסון המשותף של הצוות. עמוד החיוב (Billing) מציג כל מונה בחלון נע של 30 יום, ואימייל נשלח כשמתקרבים למגבלת האחסון או כשמגיעים לראשונה למגבלת דקות התרגום. מה כל מונה סופר, מה קורה כשמגיעים למגבלה — הפגישה נמשכת, התרגום מושהה — וכיצד חלון 30 הימים מתמלא מחדש מעצמו.

The Mind.com Team

סיכומי הפגישות שלכם בענן ה-AI שכבר בשימוש אצלכם: כך המארח בוחר פעם אחת Azure, Google או AWS עבור הארגון כולו
IT ומנהלי מערכת

סיכומי הפגישות שלכם בענן ה-AI שכבר בשימוש אצלכם: כך המארח בוחר פעם אחת Azure, Google או AWS עבור הארגון כולו

כל כלי פגישות מגיע היום עם AI, וכל יכולת AI מוסיפה ספק משנה. כך InterMIND מפעילה את יכולות ה-AI שלה דרך שער ה-hyperscaler שהארגון שלכם כבר משתמש בו — Azure OpenAI ב-EU Data Zone, ‏Google Vertex AI באיחוד האירופי, ‏Amazon Bedrock בחשבון ה-AWS שלכם — עם מתג כיבוי לכל ארגון, ומה שמארח יכול לאמת.

The Mind.com Team

האם הפגישה שלך חסויה?
IT ומנהלי מערכת

האם הפגישה שלך חסויה?

בפגישות אתם אומרים דברים שלעולם לא הייתם מעלים על הכתב, ואז הפגישה עוברת דרך ענן, מודלים ומדיניות שמירת נתונים שמעולם לא קראתם. שלוש שאלות מעשיות שהופכות את המילה "חסוי" ממילה בדף הבית למשהו שאפשר לבדוק, והתשובות שלנו לכל אחת מהן.

The Mind.com Team

קבלו פוסטים חדשים ועדכוני מוצר בדוא"ל

אימייל אחד בחודש עם פוסטים חדשים ועדכוני מוצר. אפשר לבטל את ההרשמה בכל עת.


משלמים רק על האנשים שמשתמשים: InterMIND עוברת לחיוב לפי חברים פעילים

תוכניות Pro ו-Business מפסיקות למכור מושבים שמקצים ידנית. מזמינים את כל הצוות; בכל חידוש נספרים החברים שהיו פעילים ב-28 הימים האחרונים, והחיוב הוא רק עבורם. חבר שהפסיק להיות פעיל שומר על הגישה שלו ולא עולה דבר; אורחים בפגישות ומשתתפים חיצוניים בערוצים נשארים בחינם. מה נחשב פעיל, כיצד המספר משתנה במהלך מחזור חיוב, מה כתוב במכתב לפני החידוש, ומה משתנה בדף החיוב שלכם.

עוזר פגישות מבוסס AI שפועל במהלך הפגישה: מה Teams Facilitator, Zoom AI Companion, Google Meet Gemini ו-InterMIND עושים בחדר (2026)

מסכם שיחות מבוסס AI כותב אחרי השיחה. עוזר פגישות מבוסס AI פועל במהלכה: הוא מזכיר לחדר מה הוחלט בפעם הקודמת, מתעד התחייבות ברגע שנאמרה, קובע את פגישת ההמשך כשהמארח מבקש, ומציע את הצעד הבא לפני הסיום. כך זה נראה ב-Microsoft Teams (Facilitator), ב-Zoom (AI Companion, ZoomMate), ב-Google Meet (Ask Gemini, next steps) וב-InterMIND (Mia), לפי התיעוד של כל ספק, יחד עם מדריך לניהול פגישה עם משתתף AI.