GoogleDeepgramAudio-DuellSpracherkennung
Gemini 3.5 Transcribe Livevs.Flux
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 Flux 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 9 leicht, Gemini 3.5 Transcribe Live in 0 klar und in 5 leicht. 2 sind gleichauf.
Coval Word Error Rate (WER) per-sample p50
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 | Flux | Urteil |
|---|---|---|---|
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 3,1 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 381 ms | 102 ms | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 325 ms | 99 ms | Flux leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 12.993 ms | 4.616 ms | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 5.018 ms | 13.993 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 2,9 % | 5,7 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 3,4 % | 6,4 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 3,12 | 5,29 | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.533 ms | 1.095 ms | Flux leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.475 ms | 1.172 ms | Flux leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 18,79 s | 17,25 s | Flux leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 100,0 % | 92,3 % | Flux leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,06 | 1,02 | Flux leicht vorn |
| Coval AudioToFinal mean (niedriger ist besser) | 8,32 s | 8,05 s | Flux leicht vorn |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,67 s | 8,42 s | gleichauf |
| Coval RTF p50 (niedriger ist besser) | 1,04 | 1,01 | gleichauf |
Quelle · zuletzt 5. November 2026
Artificial Analysis
Gemini 3.5 Transcribe Live leicht vornArtificial Analysis AA-WER Streaming (final transcription)
niedriger ist besser, Stand 15. Oktober 2026
Quelle · zuletzt 15. Oktober 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| Gemini 3.5 Transcribe Live | Flux | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | Deepgram | |
| Status | Aktiv | Aktiv |
| Gewichte | proprietär | proprietär |
| Läuft lokal | nein | nein |
| Preis | 3,50 $ je 1 Mio. Audio-Token (0,005 $ je Audiominute) | k. A. |
| Beliebtheit (von 100) | 35 | 37 |