GoogleMistral AIAudio-DuellSpracherkennung
Gemini 3.5 Transcribe Livevs.Voxtral Mini Transcribe Realtime
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 Voxtral Mini Transcribe Realtime 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 11 leicht, Voxtral Mini Transcribe Realtime in keinem. 5 sind gleichauf.
Coval Time to Final Segment (TTFS) maximum
niedriger ist besser, Stand 5. November 2026
Coval RTF maximum
niedriger ist besser, Stand 5. November 2026
Coval Time to First Token (TTFT) maximum
niedriger ist besser, Stand 5. November 2026
Alle 16 Teiltests zeigen
| Teiltest | Gemini 3.5 Transcribe Live | Voxtral Mini Transcribe Realtime | Urteil |
|---|---|---|---|
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 5.018 ms | 35.330 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 3,12 | 15,59 | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 12.993 ms | 40.858 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 18,79 s | 43,02 s | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 100,0 % | 191,7 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 2,9 % | 5,4 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 3,4 % | 5,7 % | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.475 ms | 1.846 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.533 ms | 1.872 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 381 ms | 444 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 325 ms | 339 ms | Gemini 3.5 Transcribe Live leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,06 | 1,07 | gleichauf |
| Coval AudioToFinal mean (niedriger ist besser) | 8,32 s | 8,38 s | gleichauf |
| Coval RTF p50 (niedriger ist besser) | 1,04 | 1,05 | gleichauf |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,67 s | 8,70 s | gleichauf |
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 0,0 % | gleichauf |
Quelle · zuletzt 5. November 2026
Pipecat STT Benchmark
Gemini 3.5 Transcribe Live leicht vornGemini 3.5 Transcribe Live ist in 0 von 2 Teiltests klar vorn und in 2 leicht, Voxtral Mini Transcribe Realtime in keinem.
Pipecat STT Benchmark semantic pooled WER
niedriger ist besser, Stand 16. Oktober 2026
Pipecat STT Benchmark semantic WER mean
niedriger ist besser, Stand 16. Oktober 2026
Quelle · zuletzt 16. Oktober 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 | Voxtral Mini Transcribe Realtime | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | Mistral AI | |
| Status | Aktiv | Aktiv |
| Gewichte | proprietär | offen |
| Läuft lokal | nein | ja |
| Preis | 3,50 $ je 1 Mio. Audio-Token (0,005 $ je Audiominute) | k. A. |
| Beliebtheit (von 100) | 35 | 18 |