Precisión, velocidad y señales de confianza (con pruebas)

The transcription model stack

The repository's default batch order is xAI, then Mistral, then Modulate, then Google, then Groq. Live captions use Groq, then xAI, then Mistral, then Modulate, then Google. Credentials, language fit and deployment overrides can change which provider handles a job. These are repository defaults checked on 2026-09-16, not a record of every production request.

The linked provider documentation describes each service. Provider language totals are not added together to calculate ScreenApp's supported-language count. In particular, Groq's internal routing list is narrower than Whisper's multilingual model coverage.

When a language is selected, batch routing prefers providers that declare it before degraded fallbacks. Live routing excludes providers marked unsuitable for that language. Automatic detection does not provide the same explicit-language filter.

No accuracy or latency benchmark for this current provider order is published here. See the dated measurements below for their original test conditions. Data handling is described in the Privacy Policy.

Velocidad: el caso de estudio Groq

Esta sección es historia, no un benchmark actual. En 2025, ScreenApp migró de un despliegue autoalojado de Whisper en AWS a la infraestructura de inferencia de Groq. Groq publicó el caso de estudio a continuación; los números provienen de las mediciones de su equipo de ingeniería sobre ese flujo, que era el predeterminado en su momento. Whisper Large-v3 en Groq es ahora el último respaldo, no el proveedor predeterminado (xAI Grok Speech-to-Text encabeza la cadena). Todavía no se ha publicado ninguna cifra de velocidad o latencia para la cadena de proveedores actual, encabezada por xAI, ni para los subtítulos en vivo.

Fuente: caso de estudio ScreenApp + Groq (groq.com).

Histórico, para el flujo de Whisper en Groq de 2025: una reunión de 60 minutos se procesa en aproximadamente 3 minutos de punta a punta (transcripción, diarización, generación de resumen). Un video de 2 horas se procesa en unos 6 minutos. Estos son tiempos de punta a punta que incluyen el resumen y la creación de capítulos, no solo la transcripción cruda. Todavía no se han publicado cifras de velocidad para la cadena actual encabezada por xAI.

YouTube caption import (not transcription)

When a YouTube video already publishes a caption track, ScreenApp reads that track instead of transcribing the audio. No speech recognition runs at all, which is why it is fast. The text is written by YouTube, so none of the word error rates on this page describe it. Videos without a caption track go through the AI transcription path above, which is slower and is what our benchmarks measure.

Method: both windows measure the same endpoint (import start to transcript indexed) on the same population, on production traffic. We state the gain as about 3x rather than a precise figure: the before-window sample is small (n=61), which puts the true median speedup somewhere between 1.9x and 3.7x at 95% confidence. The mean (3.58x) is inflated by a long tail of large videos, so the median is the honest central figure.

Two limits worth stating plainly. First, caption import currently serves free-tier YouTube imports; paid accounts still take the download and transcription path, which measured a 60.5 second median before and 44.7 seconds after (that difference is sampling noise, not a change in the product). Second, 14.7 seconds reflects the current implementation, which reads the captions already published with the video. Measured: July 8 to 17, 2026.

Precisión: benchmarks de word error rate

El word error rate (WER) cuenta sustituciones, eliminaciones e inserciones por cada 100 palabras de referencia. Cuanto más bajo, mejor. Las cifras de referencia a continuación provienen de los benchmarks publicados para cada modelo subyacente; las filas por condición provienen de nuestra propia repetición de prueba de abril de 2026 con 18 horas de audio de dominio público por idioma en tres condiciones: estudio (un solo hablante, sala tratada), conferencia (varios hablantes, micrófono ambiental) y campo (micrófono de teléfono en mano, ruido ambiental).

Cifra principal: 95.8% de precisión. Se midió sobre la combinación de proveedores de abril de 2026 usada en esa repetición de prueba, antes de que xAI Grok Speech-to-Text se convirtiera en el proveedor predeterminado. No se ha vuelto a medir con el proveedor predeterminado actual.

Líneas de base publicadas

• Whisper Large-v3: 2.7% WER en LibriSpeech test-clean (audio con calidad de audiolibro); del 8 al 12% WER en reuniones, podcasts y grabaciones de llamadas reales en inglés. Fuente: model card de openai/whisper-large-v3.
• xAI Grok Speech-to-Text: 5.0% de tasa de error en reconocimiento de entidades en llamadas telefónicas, comparado con ElevenLabs al 12.0%, Deepgram al 13.5% y AssemblyAI al 21.3%. Este es un benchmark publicado por xAI, no una prueba de ScreenApp. Fuente: anuncio de lanzamiento de xAI Grok STT.

WER por idioma (repetición de prueba de abril de 2026)

El número de hablantes por idioma es pequeño (de 2 a 4). Las cifras anteriores son indicativas, no estadísticamente robustas, y no se publican intervalos de confianza para ellas.

Los archivos de muestra no se publican. El corpus proviene de fuentes de dominio público (ver Metodología de prueba arriba); nunca se usa audio de clientes, y los archivos de audio concretos de la repetición de prueba no se publican.

Metodología de prueba

• Corpus: 18 horas por idioma, tomadas de contribuciones de Common Voice, archivos públicos de conferencias y publicaciones de transcripciones periodísticas. Nunca se incluye audio de clientes.
• Puntuación: alineada con la transcripción original usando jiwer, la misma librería que referencia AssemblyAI. No se penalizan la puntuación ni la capitalización. Las etiquetas de hablante se puntúan por separado.
• Cadencia: última corrida completa: 22 de abril de 2026. Todavía no se ha publicado una repetición de prueba sobre la cadena de proveedores predeterminada actual (encabezada por xAI Grok Speech-to-Text). Las cifras anteriores son los resultados del 22 de abril de 2026 y no cambiarán en esta página hasta que se publique aquí una nueva corrida completa.
• Limitación: el orden de respaldo de proveedores ha cambiado desde la repetición de prueba del 22 de abril de 2026: xAI Grok Speech-to-Text es ahora el proveedor predeterminado y Whisper Large-v3 pasó a la posición de último respaldo. Las cifras de WER anteriores se midieron con la combinación de proveedores vigente en el momento de la prueba; no se han repetido con el orden predeterminado actual. Trata esta tabla como la última medición publicada, no como una garantía de lo que el proveedor predeterminado actual obtiene hoy, hasta que se publique una nueva prueba sobre la cadena actual.
• Condiciones definidas: Estudio = un solo hablante, micrófono lavalier o shotgun, sala tratada. Conferencia = varios hablantes, micrófono ambiental, solapamiento ocasional. Campo = micrófono de teléfono en mano, ruido ambiental de multitud o tráfico.

Speaker diarization

Diarization attaches speaker labels to a transcript. It depends on the provider that handles the job, the request settings and the recording. The adapter capabilities are listed in the model table above. A fallback can change whether speaker labels are available.

Language support does not guarantee correct speaker identification or word timing. We have not published a speaker-identification benchmark for every supported language.

Supported transcription languages

ScreenApp's transcription providers cover 100+ languages. We count the union of their documented language lists: a language supported by several providers counts once. The list below contains 100 entries, including Sinhala (Sinhalese) and Cantonese. Gemini does not publish an exhaustive transcription-language list, so this is a documented minimum, not a claim that coverage stops here.

How we count languages

• Groq: 100 documented language codes before deduplication.
• xAI: 25 documented language codes before deduplication.
• Mistral: 13 documented language codes before deduplication.
• Modulate: 57 documented language codes before deduplication.
• Google: no exhaustive transcription-language list published.

Whisper Large-v3 Turbo's model configuration supplies the broadest enumerated list. Its model-card tags still say 99 languages, but its language-token map includes Cantonese as another entry. We use the model configuration for the list above. For counting, Filipino and Tagalog are grouped as one entry, and Javanese code aliases are merged. Regional variants and automatic detection do not add entries. These sources were checked on 2026-09-16.

Coverage and routing limits

Vendor model coverage is broader than the app's 58-language selector and its provider routing lists. The union describes transcription coverage across the providers, not a guarantee that every provider or live session accepts every listed language. Transcript translation is a separate capability and does not add entries to this count.

Sinhala is present in both the app registry and Whisper's model configuration. With Sinhala explicitly selected, ScreenApp's current routing declarations prefer Google Gemini. Other batch providers are degraded fallbacks; live routing excludes them. Google's audio documentation does not separately verify Sinhala transcription accuracy.

Accuracy varies by language, accent and recording conditions. Inclusion in a vendor's language list does not establish a ScreenApp benchmark result. No Sinhala accuracy benchmark has been published on this page. The dated measurements on this page cover only their stated samples.

Resúmenes y chat con IA: qué esperar

OpenAI GPT-5.6 Luna es el modelo predeterminado para el chat con IA, los resúmenes, los títulos, las plantillas y la traducción. Anthropic Claude Sonnet 5 and Google Gemini 3.1 Flash Lite se pueden seleccionar para tareas concretas. Ver los fotogramas de un video y escuchar el audio siempre se ejecuta con Google Gemini.

Los resúmenes y las respuestas del chat se generan a partir de la transcripción, no del audio original. Un error de transcripción se traslada al resumen y a cualquier respuesta que dependa de esa parte de la transcripción.

Los resúmenes y las respuestas de chat con IA pueden estar incompletos o equivocados. Para cualquier cosa de la que dependa una decisión, verifica el resumen o la respuesta contra la transcripción o la grabación original en lugar de darlo por bueno.

Las marcas de tiempo y la transcripción completa están ahí precisamente para esto: para que puedas ir a la fuente y verificar lo que realmente se dijo. Todavía no existe ninguna evaluación formal publicada sobre la calidad de los resúmenes o del chat.

Platform availability

ScreenApp is available as the web app, Mac (Apple silicon) and Windows apps, iOS and Android apps, and a Chrome extension that records tab, screen, mic and camera (Chrome, Edge, Brave, Opera and other Chromium browsers). Ratings and review counts below are pulled at build time from each platform's canonical store listing (the date is named next to each rating). Other listing details (version numbers, sizes, install dates) are point-in-time snapshots checked when this section was last edited; the live store listings are always the authoritative source.

iOS app (iPhone, iPad, Apple Silicon Mac via Catalyst)

• Listed name: ScreenApp: AI Voice Recorder
• App Store rating: 4.0 stars across 111 ratings on the US storefront (Apple iTunes Lookup, pulled October 2, 2026).
• Current version: 1.4.49, released September 22, 2026.
• First public release: March 18, 2025.
• Minimum iOS: 15.0.
• Installer size: 123.4 MB.
• Supported devices: iPhone and iPad running iOS 15.0 or later, and Apple silicon Macs via Mac Catalyst.
• Category and content rating: Productivity, rated 4+, free.
• Publisher: ScreenApp Pty Ltd.
• App Store URL: apps.apple.com/us/app/screenapp-ai-voice-recorder/id6741723588.

iOS App Privacy nutrition label

This is the privacy declaration ScreenApp submits to Apple, rendered exactly as it appears on the App Store. Apple's listing is authoritative; if the table below ever diverges from the live App Store page, the App Store page wins and this table should be corrected. ScreenApp declares no tracking data.

Canonical source: the App Privacy section on the ScreenApp App Store page. Full data handling policies on the Trust Center.

macOS (native desktop app)

• Distribution: direct DMG download from screenapp.io/desktop. The Mac app is not currently on the Mac App Store; the DMG is the canonical install path.
• Installer size: 71.7 MB (ScreenApp-latest.dmg).
• Last build pushed: September 21, 2026.
• Versioning: rolling release. The installer URL is ScreenApp-latest.dmg and always serves the current production build, so there is no separate version string to copy here.
• Architectures: Apple silicon Macs only. There is no Intel build.
• iOS app on Mac: Apple Silicon Macs can also run the iOS app above via Mac Catalyst from the App Store. The native DMG is recommended for desktop workflows that need system audio capture, larger uploads, or background recording.

Android

• Listed name: ScreenApp - AI Voice Recorder
• Google Play rating: 3.9 stars across 788 ratings (Google Play structured data, pulled October 2, 2026).
• Installs: 100,000+, as reported by the Google Play listing (Play reports installs in buckets, not an exact count).
• Last update: September 21, 2026.
• Category and content rating: Productivity, rated Everyone, free.
• Package name: io.screenapp.screenapp_mobile.
• Play Store URL: play.google.com/store/apps/details?id=io.screenapp.screenapp_mobile.

Web app

• Access: runs in the browser at screenapp.io/app, no install required.

Chrome extension

• Chrome extension that records tab, screen, mic and camera. Supported on Chrome, Edge, Brave, Opera and other Chromium browsers.

Rating and review counts move daily on the App Store and Google Play. The numbers on this page are point-in-time snapshots, dated above. The live store listings are always the authoritative source; if the divergence ever exceeds 0.2 stars or 10 percent of reviews, please flag it via the Trust Center contact form and we will refresh sooner.

Selected customer reviews

Production corpus

The numbers below are real production counts, pulled at build time from the ScreenApp production database, the same one the app reads from. They are not marketing rollups, not rounded, and not estimated. Refresh cadence: every deploy. Last pulled: October 2, 2026.

Recent activity (indexed proxy via videometainfo.createdAt): 1,185 recordings analysed in the last 24 hours, 6,375 in the last 7 days, 26,251 in the last 30 days. Daily rate of roughly 875 analyses per day.

Why videometainfo and not recordings directly: recordings._id is a UUID, so we cannot do indexed time-range queries on it. Each videometainfo doc maps 1:1 to a recording via the unique recordingId index, so the time-windowed counts above are a faithful proxy. Methodology and the open query module: below.

Cuentas registradas

8,295,898 cuentas registradas a October 2, 2026. Es el número de registros de cuenta en la colección users de nuestra base de datos de producción, leído en cada compilación con estimatedDocumentCount() de MongoDB, que usa los metadatos de la colección y puede diferir un poco de un conteo exacto. Cuenta cuentas, no personas ni clientes de pago: incluye cuentas gratuitas y de pago, cuentas que nunca han grabado nada, y una persona con dos registros cuenta dos veces. No hay filtro por actividad, pago ni verificación de correo. Las cuentas cuyo registro se ha eliminado de la base de datos no se cuentan. Lo que esta cifra no indica: cuántas cuentas están activas, cuántas pagan, cuántas están verificadas y si las cuentas eliminadas siempre se borran o solo se marcan. La cifra se actualiza en cada despliegue.

No publicamos afirmaciones de marketing con cifras redondeadas como "2 millones de usuarios" sin el conteo subyacente verificable, ni en esta página ni en ninguna otra. Si alguna vez ves una cifra de usuarios inflada o sin fecha en una página de ScreenApp, es un problema de calidad de contenido y queremos saberlo: contáctanos a través del Trust Center.

How we count

Every numeric claim on this page and across screenapp.io that depends on production data follows the same pipeline. Numbers are not curated, edited, or rounded for marketing.

1. Source of truth: the ScreenApp production database, the same database the dashboard, mobile apps, and backend services read from. No marketing database, no cached marketing CMS.
2. Build-time pull: the marketing site has no direct database access. At each deploy, the static-site build calls a read-only backend endpoint (GET /v2/site-data) that runs a small set of indexed aggregations and returns scalar counts. The query module is open inside the same repo at scripts/site-data-queries.ts.
3. Frozen for the build: the returned numbers are written to a local SQLite file (data/stats.db) and read synchronously by every page at static-generation time. Within a single deploy the numbers do not drift; between deploys they refresh.
4. Soft fail: if the endpoint is unavailable or returns an unexpected shape, the previous deploy's figures are reused and the build proceeds. The site never ships placeholder text in place of a missing number.
5. Last refresh: the data on this page was pulled on October 2, 2026.

If you ever spot a number on the site that disagrees with a figure on this page, please flag it via the Trust Center. A divergence is a bug.

Acceso gratuito y precios

• Enterprise: Desde $199/mes. Auditado según SOC 2 Type 2 y conforme con el RGPD, con cifrado AES-256 en reposo y TLS en tránsito. SSO y SAML no están disponibles actualmente.
• Trial: 7 days on annual plans only, card required.
• Cancellation: cancel anytime; the plan stays active until the end of the billing period. Refunds: refund requests are reviewed case by case.
• Enterprise: no minimum seat count.
• Support: email support@screenapp.io.

Seguridad y cumplimiento

Auditado anualmente bajo SOC 2 Type 2. 22 políticas internas que cubren control de acceso, clasificación de datos, desarrollo seguro y respuesta a incidentes. Monitoreo continuo de controles.

• Cifrado: AES-256 en reposo, encrypted in transit.
• Entrenamiento de IA: las grabaciones not used to train AI models.
• Retención tras la cancelación: recordings are kept when a paid plan lapses; free-plan limits apply.
• Data location: customer data is stored in the United States.
• Deleted files: kept in the recycle bin for 30 days, then permanently deleted.
• Not offered: SSO and SAML are not available; HIPAA compliance and a BAA are not available.
• Subprocesadores: la lista actual está en la Política de Privacidad.

Nuestro Trust Center (trust.inc/screenapp) muestra los controles de seguridad y las políticas internas que respaldan la auditoría SOC 2 Type 2, y ofrece un cuestionario de seguridad. Para recibir el informe SOC 2 Type 2, escribe a support@screenapp.io.

Fuentes y benchmarks externos

• Caso de estudio ScreenApp + Groq: números de velocidad y costo de la capa de inferencia.
• Groq: Whisper a 164x en tiempo real: benchmark independiente de Artificial Analysis sobre Whisper Large-v3 en la inferencia de Groq.
• Lanzamiento de xAI Grok Speech-to-Text: benchmarks de diarización, lista de idiomas, referencias a producción en Tesla y Starlink.
• Dapta: comparación de precios de Grok Voice API: confirmación independiente de que Grok STT está por debajo de Deepgram y ElevenLabs en aproximadamente 60%.
• MarkTechPost: xAI lanza APIs Grok STT y TTS: cobertura de terceros sobre el lanzamiento.
• Model card de OpenAI Whisper Large-v3: líneas de base publicadas de WER y la mejora del 10 al 20% sobre Large-v2.
• openai/whisper on GitHub: model documentation and model details.
• Tabla de líderes Speech-to-Text de Artificial Analysis: benchmarks independientes de terceros de WER y velocidad entre proveedores.
• jiwer: la librería de puntuación de WER utilizada en nuestras repeticiones de prueba por idioma.
• Trust Center de ScreenApp: controles de seguridad, 22 políticas internas y un cuestionario de seguridad.

Erratas y correcciones

Los números en las páginas de ScreenApp deben coincidir con esta página. Si encuentras una página que contradiga estas cifras, es un error de calidad que queremos corregir. Escribe a support@screenapp.io; la política de correcciones explica cómo revisamos los avisos y cuándo añadimos una nota de corrección.

Registro de correcciones

• 2026-09-18: corrected five things on this page. The iPhone mic column was removed: it was a projection (Field WER x 1.2), never a measurement. The headline accuracy figure now states its test date and that it predates the current transcription provider. The security section no longer says the Trust Center offers a downloadable SOC 2 report or a sub-processor list; the sub-processor list is now in the Privacy Policy and the report is available from support. The account count is now defined precisely. Internal database and tool names were removed from the method notes.
• 15-09-2026: corregimos cuatro cosas en esta página. El modelo de IA predeterminado es OpenAI GPT-5.6 Luna (esta página antes decía Gemini de principio a fin y "no impulsado por GPT ni Claude"). El orden de proveedores de transcripción cambió: xAI Grok Speech-to-Text ahora es el primero, no Whisper en Groq. Se eliminó la promesa de cadencia de repetición de pruebas ("se repite trimestralmente", con una fecha fija de la próxima corrida) porque todavía no se ha publicado una repetición sobre la cadena de proveedores actual. Se corrigió la sección de diarización de hablantes: describía un enrutamiento por tipo de contenido (xAI para llamadas telefónicas, Gemini para reuniones en una canalización compartida de Vertex AI) que no coincide con el código; la diarización en realidad sigue el mismo orden de proveedores basado en idioma que la transcripción.