Loquela
Forschung

Wie wir die Geschwindigkeit von Loquela Remote gemessen haben

Eine Stunde Audio in unter 9 Sekunden und eine ganze Stunde mit 18.000 Audiominuten pro Stunde, in der jede Anfrage transkribiert wurde. So liefen beide Tests.

4 Min. LesezeitRecherche geprüft 2026-10-27

Loquela Remote transkribiert mit 400× Transkriptionsgeschwindigkeit: eine Stunde Audio in unter 9 Sekunden. Diese Zahl stammt aus einem Test. Ein zweiter Test ging einer anderen Frage nach: Was passiert, wenn jede Stunde Hunderte Stunden Audio von vielen Menschen gleichzeitig ankommen? Beide liefen am 27. Oktober 2026 auf der Version von Loquela Remote, die an diesem Tag live war. Dieser Beitrag erklärt, wie.

TestErgebnis
Eine 60-minütige Datei, eine nach der anderen7,08 bis 8,66 Sekunden Serverzeit in jedem Durchlauf
GeschwindigkeitÜber 400× Transkriptionsgeschwindigkeit in jedem Durchlauf
Eine Stunde mit 18.000 Audiominuten pro Stunde18.350 Anfragen, jede transkribiert
Kurze Clips in dieser StundeDie Hälfte nach höchstens 0,23 Sekunden zurück, 95 von 100 nach höchstens 2,2 Sekunden

Eine Stunde Audio, eine Datei nach der anderen

Dieser Test misst, wie schnell eine Aufnahme zu Text wird, wenn sie den Server für sich allein hat.

  • Der Dienst: eine Kopie des veröffentlichten Dienstes, ohne dass sonst etwas auf dem Server lief.
  • Die Dateien: vier 60-minütige Sprachaufnahmen in gängigen Formaten, aufgeführt in der Tabelle unten.
  • Die Durchläufe: eine Aufwärmanfrage, dann drei Durchläufe pro Datei.
  • Die Zeitmessung: Die Serverzeit ist die eigene Aufzeichnung des Dienstes zu jeder Anfrage. Die Dateien wurden vom Server selbst gesendet, daher dauerte der Upload fast keine Zeit.
Datei (60 Minuten)Serverzeit, drei DurchläufeLangsamster, vom Absender gemessen
MP3, 16 kHz mono7,08 bis 7,15 s7,25 s
AAC, 48 kHz mono, 64 kbit/s7,54 bis 7,58 s7,66 s
AAC, 44,1 kHz stereo, 128 kbit/s8,21 bis 8,25 s8,42 s
MP3, 44,1 kHz stereo, 128 kbit/s8,56 bis 8,66 s8,89 s

Der langsamste Durchlauf, auf der Absenderseite gemessen, dauerte 8,89 Sekunden. Eine Stunde sind 3.600 Sekunden Audio, das ist also etwa 405-mal schneller als das Abspielen der Aufnahme. Jeder Durchlauf lag über 400×, und diese Zahl nennt die Website.

Die Upload-Zeit ist in diesen Zahlen nicht enthalten, weil sie von deiner Verbindung abhängt. Ein 60-minütiges MP3 mit 128 kbit/s ist etwa 58 MB groß. Mono mit 64 kbit/s ist halb so groß und kommt deshalb früher bei uns an.

Viele Menschen gleichzeitig: eine Stunde mit 18.000 Audiominuten pro Stunde

Dieser Test misst, was der Dienst bei starkem, gemischtem Verkehr leistet. 18.000 Audiominuten pro Stunde sind 300 Stunden Audio, die jede Stunde ankommen. Wir haben das eine ganze Stunde lang durchgehalten.

  • Der Dienst: dieselbe Version, so eingerichtet, wie sie live läuft.
  • Die Absender: 16 Testkonten, die zu zufälligen Zeitpunkten Aufnahmen schicken, so wie voneinander unabhängige Kundinnen und Kunden. Sie liefen auf dem Server selbst, daher enthalten die Zeiten unten kein Internet.
  • Die Aufnahmen: kurze Sprachclips von 5 bis 30 Sekunden (halb WAV, halb M4A), Meetings von 10 bis 60 Minuten und lange Aufnahmen von 60 bis 120 Minuten (beide als MP3). Nach Audiominuten waren 15 % kurze Clips, 45 % Meetings und 40 % lange Aufnahmen.
  • Sprechererkennung: bei etwa 3 von 10 Meetings und langen Aufnahmen eingeschaltet.
  • Die Sprache: laut vorgelesenes Englisch aus LibriSpeech, einer öffentlichen Sammlung von Hörbuchaufnahmen, auf die jeweilige Länge geschnitten und zusammengesetzt.
AufnahmeAnfragenTranskribiertMedianzeit
Kurze Clips, 5 bis 30 s18.02018.0200,23 s
Meetings, 10 bis 60 min24124112,2 s
Lange Aufnahmen, 60 bis 120 min898942,6 s

Insgesamt kamen in der Stunde 18.925 Minuten Audio an, und alle 18.350 Anfragen kamen mit einem Transkript zurück. Keine wurde abgewiesen und keine schlug fehl.

Kurze Clips blieben die ganze Zeit schnell. In jedem Zehn-Minuten-Abschnitt der Stunde lag ihr Median zwischen 0,20 und 0,29 Sekunden, und über die Stunde kamen 95 von 100 nach höchstens 2,2 Sekunden zurück.

Meetings liefen mit einem Median von 140× Transkriptionsgeschwindigkeit, lange Aufnahmen mit 122×. Das ist langsamer als im ersten Test, weil sich viele Aufnahmen gleichzeitig den Server teilen. Jede einzelne braucht länger als allein, und in der Stunde wird weit mehr Audio fertig.

Was das für deine Aufnahmen bedeutet

  • Ein 30-minütiges Meeting braucht etwa 4 Sekunden Serverzeit, wenn es den Server für sich allein hat, dazu die Zeit für den Upload.
  • Ein kurzer Sprachclip kommt meist in deutlich unter einer Sekunde zurück.
  • Deine gesamte Wartezeit besteht aus Upload, Serverzeit und der Rückgabe des Transkripts. Das Transkript ist klein und kommt deshalb fast sofort an.

Wann wir wieder messen

Diese Zahlen stammen von der Version, die am 27. Oktober 2026 live war. Wir messen erneut nach Änderungen daran, wie die Transkription läuft, und aktualisieren die Website und diesen Beitrag, wenn sich die Zahlen ändern.

Loquela Remote ist eine private Sprache-zu-Text-API und ein MCP-Server für Kundinnen und Kunden in den USA. Es speichert weder Audio noch Transkripte. Siehe was mit deinem Audio passiert, wie andere Transkriptions-APIs damit umgehen und die Preise.