Modellauswahl

Wie ein Anruf erfüllt wird

Ein laufender Anruf ist Zuhören, Dolmetschen, Sprechen. Zuerst die Auftragsart, dann das Sprachpaar. NEO prüft die Modelle, die der Betreiber registriert hat, und die Bewertung für genau dieses Paar. Sprache-zu-Sprache steht in der Liste und beantwortet den Anruf heute nicht.

Auftragsart

Sprachpaar

Deutsch → Englisch

Beispiel Deutsch nach Englisch. Die espeak-Stimme auf dem NEO-Server ist für Deutsch gesperrt und spricht diesen Satz nicht. WhatsApp, E-Mail und der NEO-Assistent nutzen dieselbe Textkette, nicht diese drei Sprachschritte.

Was der Betreiber registriert hat

Wie der Anruf erfüllt wird

1. Auftragsart
Die Auftragsart legt fest, welche registrierten Modelle infrage kommen.
2. Sprachpaar
Das Sprachpaar legt fest, welche Bewertung gilt.
3. Was der Betreiber registriert hat
NEO liest nur die Modelle, die dieser Betreiber für diesen Auftrag registriert hat.
4. Die Bewertung
Anbieter und Tester bewerten jedes Modell für diese Auftragsart und dieses Paar. Die bessere Bewertung steht vorn.
5. Das Modell, das antwortet
Das erste Modell antwortet.
6. Der Ausweg
Antwortet es nicht, nimmt NEO das nächste Modell derselben Bewertung für dieses Paar und diesen Auftrag.

Zuhören

Zuerst: Whisper

Ausweg: Für diesen Schritt ist hier ein Modell registriert.

Dolmetschen

Zuerst: GPT-4o mini

Ausweg: Für diesen Schritt ist hier ein Modell registriert.

Sprechen

Zuerst: GPT-4o mini TTS

Ausweg: OpenAI TTS, ElevenLabs Multilingual v2

OpenAI bleibt auf der kostenpflichtigen API und bleibt in der Bewertungsliste. Jedes Open-Weight-Modell unten ist eine Bewertungszeile. Keines hat bisher eine Bewertung. Ein Live-Anruf nutzt diese Zeilen erst, wenn ein Test sie einordnet.

Kostenpflichtige API

Zuhören

WhisperIn diesem Beispiel
GPT Live Transcribe
GPT Transcribe

Sprechen

OpenAI TTSIn diesem Beispiel
GPT-4o mini TTSIn diesem Beispiel
ElevenLabs Multilingual v2In diesem Beispiel

Sprache zu Sprache

GPT-Live 1
GPT-Realtime 2.1
GPT-Realtime 2.1 mini
Deepslate Opal v2.1

NEO-Server

Secure speech recognition
Secure speech synthesis

Open-Weight-Bewertung

Zuhören

Zuhören
Modell	Lizenz	Kommerziell	Größe	Wann
faster-whisper large-v3	MIT	Ja	in diesem Durchgang nicht gemessen	Breiter Hörer, darunter Deutsch, Englisch, Arabisch und Türkisch. Die Qualität ist nicht in jeder Sprache gleich.
Voxtral Mini 4B Realtime	Apache 2.0	Ja	17,73 GB	Paare mit Arabisch oder einer Sprache, die Parakeet nicht abdeckt. Türkisch und Kurdisch stehen nicht auf der Karte.
Qwen3-ASR 1.7B	Apache 2.0	Ja	4,70 GB	Zweiter Hörer. Der Herausgeber nennt 30 Sprachen und 22 chinesische Dialekte.
Parakeet TDT 0.6B	CC BY 4.0	Ja, mit Namensnennung	5,73 GB	Europäische Paare, wenn ein Test es über Voxtral stellt. Arabisch, Türkisch und Kurdisch sind nicht enthalten.

faster-whisper large-v3
Lizenz
MIT
Kommerziell
Ja
Größe
in diesem Durchgang nicht gemessen
Wann
Breiter Hörer, darunter Deutsch, Englisch, Arabisch und Türkisch. Die Qualität ist nicht in jeder Sprache gleich.
Voxtral Mini 4B Realtime
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
17,73 GB
Wann
Paare mit Arabisch oder einer Sprache, die Parakeet nicht abdeckt. Türkisch und Kurdisch stehen nicht auf der Karte.
Qwen3-ASR 1.7B
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
4,70 GB
Wann
Zweiter Hörer. Der Herausgeber nennt 30 Sprachen und 22 chinesische Dialekte.
Parakeet TDT 0.6B
Lizenz
CC BY 4.0
Kommerziell
Ja, mit Namensnennung
Größe
5,73 GB
Wann
Europäische Paare, wenn ein Test es über Voxtral stellt. Arabisch, Türkisch und Kurdisch sind nicht enthalten.

Sprechen

Sprechen
Modell	Lizenz	Kommerziell	Größe	Wann
Chatterbox Multilingual	MIT	Ja	13,87 GB	Hauptstimme, darunter Arabisch, Deutsch, Englisch und Türkisch. Jede Aufnahme trägt ein Resemble-Wasserzeichen.
Chatterbox Mandarin	MIT	Ja	oben enthalten	Chinesisch, statt des allgemeinen Chatterbox-Modells.
Chatterbox Hindi	MIT	Ja	oben enthalten	Hindi, statt des allgemeinen Chatterbox-Modells.
VoxCPM2	Apache 2.0	Ja	in diesem Durchgang nicht gemessen	Der Herausgeber nennt 30 Sprachen, darunter Arabisch, Deutsch, Englisch und Türkisch. Etwa 8 GB GPU-Speicher, wenn es geladen ist.
Qwen3-TTS	Apache 2.0	Ja	5,20 GB mit Tokenizer	Chinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Französisch, Russisch, Portugiesisch, Spanisch, Italienisch. Arabisch und Türkisch sind draußen.
Kokoro 82M	Apache 2.0	Ja	0,36 GB	Englisch, Spanisch, Französisch, Hindi, Italienisch, Japanisch, brasilianisches Portugiesisch, Mandarin. Deutsch, Arabisch und Türkisch sind draußen.
MeloTTS	MIT	Ja	etwa 1,3 GB	Englisch, Spanisch, Französisch, Chinesisch, Japanisch, Koreanisch. Deutsch- und Arabischpakete waren nicht in der gemessenen Menge.

Chatterbox Multilingual
Lizenz
MIT
Kommerziell
Ja
Größe
13,87 GB
Wann
Hauptstimme, darunter Arabisch, Deutsch, Englisch und Türkisch. Jede Aufnahme trägt ein Resemble-Wasserzeichen.
Chatterbox Mandarin
Lizenz
MIT
Kommerziell
Ja
Größe
oben enthalten
Wann
Chinesisch, statt des allgemeinen Chatterbox-Modells.
Chatterbox Hindi
Lizenz
MIT
Kommerziell
Ja
Größe
oben enthalten
Wann
Hindi, statt des allgemeinen Chatterbox-Modells.
VoxCPM2
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
in diesem Durchgang nicht gemessen
Wann
Der Herausgeber nennt 30 Sprachen, darunter Arabisch, Deutsch, Englisch und Türkisch. Etwa 8 GB GPU-Speicher, wenn es geladen ist.
Qwen3-TTS
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
5,20 GB mit Tokenizer
Wann
Chinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Französisch, Russisch, Portugiesisch, Spanisch, Italienisch. Arabisch und Türkisch sind draußen.
Kokoro 82M
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
0,36 GB
Wann
Englisch, Spanisch, Französisch, Hindi, Italienisch, Japanisch, brasilianisches Portugiesisch, Mandarin. Deutsch, Arabisch und Türkisch sind draußen.
MeloTTS
Lizenz
MIT
Kommerziell
Ja
Größe
etwa 1,3 GB
Wann
Englisch, Spanisch, Französisch, Chinesisch, Japanisch, Koreanisch. Deutsch- und Arabischpakete waren nicht in der gemessenen Menge.

Sprache zu Sprache

Sprache zu Sprache
Modell	Lizenz	Kommerziell	Größe	Wann
Qwen2.5-Omni 7B	Apache 2.0	Ja	22,38 GB	Sprache rein, Sprache raus. Die Stimmen sind Chelsie und Ethan. Versuch für Englisch, Chinesisch oder Deutsch. Für Arabisch erst, wenn ein NEO-Test das sagt.
Step-Audio 2 mini	Apache 2.0	Ja	17,88 GB	Englisch- und Chinesisch-Gespräch. Diesen Prüfpunkt zuerst ausführen.
Step-Audio 2 mini Base	Apache 2.0	Ja	17,88 GB	Dieselbe Grenze Englisch und Chinesisch. Neben mini bewerten.
Step-Audio 2 mini Think	Apache 2.0	Ja	17,88 GB	Dieselbe Grenze Englisch und Chinesisch. Neben mini bewerten.
MiniCPM-o 2.6	Nicht in der NEO-Registrierung	Nicht in der NEO-Registrierung	In diesem Durchgang nicht gemessen	In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
Moshi	Nicht in der NEO-Registrierung	Nicht in der NEO-Registrierung	In diesem Durchgang nicht gemessen	In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
Kimi-Audio	Nicht in der NEO-Registrierung	Nicht in der NEO-Registrierung	In diesem Durchgang nicht gemessen	In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
PersonaPlex 7B	Nicht in der NEO-Registrierung	Nicht in der NEO-Registrierung	In diesem Durchgang nicht gemessen	In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
LFM2.5-Audio 1.5B	Nicht in der NEO-Registrierung	Nicht in der NEO-Registrierung	In diesem Durchgang nicht gemessen	In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.

Qwen2.5-Omni 7B
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
22,38 GB
Wann
Sprache rein, Sprache raus. Die Stimmen sind Chelsie und Ethan. Versuch für Englisch, Chinesisch oder Deutsch. Für Arabisch erst, wenn ein NEO-Test das sagt.
Step-Audio 2 mini
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
17,88 GB
Wann
Englisch- und Chinesisch-Gespräch. Diesen Prüfpunkt zuerst ausführen.
Step-Audio 2 mini Base
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
17,88 GB
Wann
Dieselbe Grenze Englisch und Chinesisch. Neben mini bewerten.
Step-Audio 2 mini Think
Lizenz
Apache 2.0
Kommerziell
Ja
Größe
17,88 GB
Wann
Dieselbe Grenze Englisch und Chinesisch. Neben mini bewerten.
MiniCPM-o 2.6
Lizenz
Nicht in der NEO-Registrierung
Kommerziell
Nicht in der NEO-Registrierung
Größe
In diesem Durchgang nicht gemessen
Wann
In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
Moshi
Lizenz
Nicht in der NEO-Registrierung
Kommerziell
Nicht in der NEO-Registrierung
Größe
In diesem Durchgang nicht gemessen
Wann
In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
Kimi-Audio
Lizenz
Nicht in der NEO-Registrierung
Kommerziell
Nicht in der NEO-Registrierung
Größe
In diesem Durchgang nicht gemessen
Wann
In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
PersonaPlex 7B
Lizenz
Nicht in der NEO-Registrierung
Kommerziell
Nicht in der NEO-Registrierung
Größe
In diesem Durchgang nicht gemessen
Wann
In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.
LFM2.5-Audio 1.5B
Lizenz
Nicht in der NEO-Registrierung
Kommerziell
Nicht in der NEO-Registrierung
Größe
In diesem Durchgang nicht gemessen
Wann
In der Produktregistrierung als bereit, sobald angebunden. Ein laufender Anruf ruft es nicht auf.

Dolmetschen

Übliche Anbieter

GPT-4o miniIn diesem Beispiel
GPT-4o
GPT-4
GPT-4 Turbo
GPT-5.6 Luna
GPT-5.6 Terra
GPT-5.6 Sol
GPT-6 Astra

NEO-Server

NEO Llama 3.1
NEO Qwen3 32B
Qwen3 8B
Qwen3 4B
Llama 3.1 8B