diff --git a/README.md b/README.md index d0c6e85..b306df7 100644 --- a/README.md +++ b/README.md @@ -15,7 +15,7 @@ reicht Durchreichen. Entscheidung Andreas, 2026-09-05. |---|---| | `42i/marvin-2609:low\|medium\|high\|max` | konfigurierte Stufen (`aliases`, Art `schwelle`: Index ≥ 25/45/49/53, Kontext ≥ 256k/256k/500k/500k) | | `42i/marvin-2609-core:none\|medium` | lokales Qwen, fest | -| `42i/marvin-tts\|stt\|embedding[-turbo]`, `42i/marvin-free` | TTS/STT/Embeddings lokal bzw. OpenRouter/Mistral, fest; `-tts-turbo` = Grok Voice (`x-ai/grok-voice-tts-1.0`, Stimme ara, Hörtest 2026-09-06) | +| `42i/marvin-tts\|stt\|embedding[-turbo]`, `42i/marvin-free` | TTS/STT/Embeddings lokal bzw. OpenRouter/Mistral, fest; `-tts-turbo` = Grok Voice (`x-ai/grok-voice-tts-1.0`, Stimme ara), `-stt-turbo` = Voxtral Small 24B (`mistralai/voxtral-small-24b-2507-stt`), beides OpenRouter, Tests 2026-09-06 | | `deizo/kira-reasoning`, `deizo/kira-stt` | Modelle im Prod-RZ deizo, fest | | `openrouter/[:effort]` | 1:1 an OpenRouter, Effort als `reasoning.effort` | | `alt/[:effort]` | **günstigste Alternative derselben Klasse** wie `` auf dieser Stufe | @@ -155,6 +155,17 @@ Fish S2.1 Pro klingt gut, liest aber Daten und Beträge falsch. MAI Voice 2 Flas (`de-DE-Klaus`) ist am schnellsten (1,9 s gesamt), Voxtral Mini TTS hat keine deutsche Stimme. Qwen-Audio-3.0-TTS und MiniMax sperrt der ZDR-Guardrail. +**Cloud-STT über OpenRouter** (`/api/v1/audio/transcriptions`, 20 Modelle). +Test 2026-09-06 mit deutschem Satz (Datum, drei Beträge, PLZ, Telefonnummer), +einmal Studio, einmal simulierte Telefonstrecke (8 kHz, Bandpass, Rauschen, +Opus 12 kbit/s). Fehlerfrei in beiden: Voxtral Small 24B ($0,18/h), +gpt-4o-mini-transcribe (~$0,18/h, Token), gpt-4o-transcribe, MAI Transcribe 1.5. +Whisper large-v3-turbo ist im Studio gleich gut und mit $0,011/h das billigste, +verliert am Telefon aber 3 von 10 Zahlenstellen (19 % WER) — das ist das Modell +hinter `42i/marvin-stt` (lokal, Vulkan) und `deizo/kira-stt`. Deshalb +`42i/marvin-stt-turbo` → Voxtral Small 24B. Testskripte und Audio: Scratchpad +der Session, Referenztext in der Config-Doku des Alias. + ## Log und Statistik Je Anfrage eine Zeile in `log/requests.jsonl` und in `log/requests.sqlite`: diff --git a/config.json b/config.json index bbf9f51..accbe5f 100644 --- a/config.json +++ b/config.json @@ -123,8 +123,9 @@ }, "42i/marvin-stt-turbo": { "art": "fest", - "upstream": "mistral", - "model": "voxtral-mini-latest" + "upstream": "openrouter", + "model": "mistralai/voxtral-small-24b-2507-stt", + "_doku": "STT-Vergleich 2026-09-06 über OpenRouter (20 Modelle, deutscher Testsatz mit Datum/Beträgen/PLZ/Telefon, Studio und simulierte Telefonstrecke): Voxtral Small 24B, gpt-4o(-mini)-transcribe und MAI Transcribe 1.5 fehlerfrei auch am Telefon; Whisper large-v3(-turbo) verliert am Telefon 3 von 10 Zahlenstellen (deckt sich mit Andreas' Eindruck von kira-stt). Voxtral Small $0,18/h, günstigstes fehlerfreies. Vorher: voxtral-mini-latest direkt bei Mistral (ohne Router-Kosten, außerhalb des ZDR-Guardrails)." }, "42i/marvin-embedding": { "art": "fest",