DeepgramCartesiaAudio-DuellSpracherkennung
Fluxvs.Cartesia Ink-2
Welches Modell ist besser?
Flux und Cartesia Ink-2 liegen je nach Test vorn.
Nimm Flux für
Nimm Cartesia Ink-2 für
Gemeinsame Tests
Nur unabhängige Auswerter und Bestenlisten, je Auswerter der neueste gemeinsame Stand. Mit 95-%-Bereichen zählt ein Vorsprung, wenn sie sich nicht überlappen; bei Trefferquoten, wenn er im 95-%-Test hält. Ohne Unsicherheitsangabe höchstens „leicht vorn“.
Coval
je nach TeiltestFlux ist in 0 von 16 Teiltests klar vorn und in 7 leicht, Cartesia Ink-2 in 0 klar und in 5 leicht. 4 sind gleichauf.
Coval Word Error Rate (WER) per-sample p50
niedriger ist besser, Stand 5. November 2026
Coval Time to First Token (TTFT) maximum
niedriger ist besser, Stand 5. November 2026
Coval AudioToFinal maximum
niedriger ist besser, Stand 5. November 2026
Alle 16 Teiltests zeigen
| Teiltest | Flux | Cartesia Ink-2 | Urteil |
|---|---|---|---|
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 3,1 % | 0,0 % | Cartesia Ink-2 leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 4.616 ms | 25.200 ms | Flux leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 17,25 s | 39,52 s | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 13.993 ms | 31.136 ms | Flux leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.095 ms | 2.033 ms | Flux leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.172 ms | 2.017 ms | Flux leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 5,7 % | 3,4 % | Cartesia Ink-2 leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 6,4 % | 3,9 % | Cartesia Ink-2 leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 102 ms | 145 ms | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 99 ms | 139 ms | Flux leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 92,3 % | 69,0 % | Cartesia Ink-2 leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 5,29 | 4,71 | Cartesia Ink-2 leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,02 | 1,02 | gleichauf |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,42 s | 8,46 s | gleichauf |
| Coval RTF p50 (niedriger ist besser) | 1,01 | 1,02 | gleichauf |
| Coval AudioToFinal mean (niedriger ist besser) | 8,05 s | 8,09 s | gleichauf |
Quelle · zuletzt 5. November 2026
Vals AI
Cartesia Ink-2 leicht vornCartesia Ink-2 ist in 0 von 3 Teiltests klar vorn und in 2 leicht, Flux in keinem. 1 ist gleichauf.
VoiceCodeBench · Overall
Stand 31. Oktober 2026
VoiceCodeBench · CTEM
Stand 31. Oktober 2026
VoiceCodeBench · WER
niedriger ist besser, Stand 31. Oktober 2026
Quelle · zuletzt 31. Oktober 2026
Cekura
Flux leicht vornFinal-text delay (TTFS), P50
niedriger ist besser, Stand 23. Oktober 2026
Quelle · zuletzt 23. Oktober 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| Flux | Cartesia Ink-2 | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | Deepgram | Cartesia |
| Status | Aktiv | Aktiv |
| Veröffentlicht | k. A. | 9. Juli 2026 |
| Gewichte | proprietär | proprietär |
| Läuft lokal | nein | nein |
| Preis | k. A. | 3 Credits pro Audiosekunde; der Dollarpreis und Mehrverbrauch hängen vom Tarif ab |
| Beliebtheit (von 100) | 37 | 0 |