Was eine Transkription gelingen oder misslingen lässt
Drei Dinge, und keines davon ist der Akzent. Das erste ist die Entfernung des Mikrofons: Ein Handy in der Mitte eines Tisches nimmt viel mehr Raumgeräusch auf als dasselbe Handy vor der sprechenden Person, und dieses Geräusch wird zu erfundenen Wörtern. Das zweite ist, ob sich Leute ins Wort fallen: Wenn zwei Stimmen gleichzeitig erklingen, bekommt kein System, auch kein Mensch, beide heraus.
Das dritte ist der eigene Wortschatz. Firmennamen, Nachnamen und Branchenkürzel werden am häufigsten verfehlt, weil sie genau das sind, was sonst nirgends vorkommt außer in Ihrer Aufnahme. Sie lassen sich in zwei Minuten mit der Textkorrektur beheben, und dort gewinnt man wirklich an Genauigkeit, nicht durch einen Wechsel des Anbieters.