GoogleCartesiaAudio-DuellSpracherkennung
Gemini 3.5 Transcribe Livevs.Cartesia Ink-2
Welches Modell ist besser?
Gemini 3.5 Transcribe Live liegt in unabhängigen Tests leicht vorn, sicher ist der Vorsprung aber nicht.
Nimm Gemini 3.5 Transcribe Live 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
Gemini 3.5 Transcribe Live leicht vornGemini 3.5 Transcribe Live ist in 0 von 16 Teiltests klar vorn und in 8 leicht, Cartesia Ink-2 in 0 klar und in 4 leicht. 4 sind gleichauf.
Coval Time to Final Segment (TTFS) maximum
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) mean
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) p50
niedriger ist besser, Stand 5. November 2026
Alle 16 Teiltests zeigen
| Teiltest | Gemini 3.5 Transcribe Live | Cartesia Ink-2 | Urteil |
|---|---|---|---|
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 5.018 ms | 31.136 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 381 ms | 145 ms | Cartesia Ink-2 leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 325 ms | 139 ms | Cartesia Ink-2 leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 18,79 s | 39,52 s | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 12.993 ms | 25.200 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 3,12 | 4,71 | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 100,0 % | 69,0 % | Cartesia Ink-2 leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.475 ms | 2.017 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.533 ms | 2.033 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 2,9 % | 3,4 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 3,4 % | 3,9 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,06 | 1,02 | Cartesia Ink-2 leicht vorn |
| Coval AudioToFinal mean (niedriger ist besser) | 8,32 s | 8,09 s | gleichauf |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,67 s | 8,46 s | gleichauf |
| Coval RTF p50 (niedriger ist besser) | 1,04 | 1,02 | gleichauf |
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 0,0 % | gleichauf |
Quelle · zuletzt 5. November 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| Gemini 3.5 Transcribe Live | Cartesia Ink-2 | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | Cartesia | |
| Status | Aktiv | Aktiv |
| Veröffentlicht | k. A. | 9. Juli 2026 |
| Gewichte | proprietär | proprietär |
| Läuft lokal | nein | nein |
| Preis | 3,50 $ je 1 Mio. Audio-Token (0,005 $ je Audiominute) | 3 Credits pro Audiosekunde; der Dollarpreis und Mehrverbrauch hängen vom Tarif ab |
| Beliebtheit (von 100) | 35 | 0 |