Mistral AICartesiaAudio-DuellSpracherkennung
Voxtral Mini Transcribe Realtimevs.Cartesia Ink-2
Welches Modell ist besser?
Cartesia Ink-2 liegt in unabhängigen Tests leicht vorn, sicher ist der Vorsprung aber nicht.
Nimm Voxtral Mini Transcribe Realtime 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
Cartesia Ink-2 leicht vornCartesia Ink-2 ist in 0 von 16 Teiltests klar vorn und in 11 leicht, Voxtral Mini Transcribe Realtime in 0 klar und in 2 leicht. 3 sind gleichauf.
Coval RTF maximum
niedriger ist besser, Stand 5. November 2026
Coval Time to Final Segment (TTFS) mean
niedriger ist besser, Stand 5. November 2026
Coval Word Error Rate (WER) per-sample maximum
niedriger ist besser, Stand 5. November 2026
Alle 16 Teiltests zeigen
| Teiltest | Voxtral Mini Transcribe Realtime | Cartesia Ink-2 | Urteil |
|---|---|---|---|
| Coval RTF maximum (niedriger ist besser) | 15,59 | 4,71 | Cartesia Ink-2 leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 444 ms | 145 ms | Cartesia Ink-2 leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 191,7 % | 69,0 % | Cartesia Ink-2 leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 339 ms | 139 ms | Cartesia Ink-2 leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 40.858 ms | 25.200 ms | Cartesia Ink-2 leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 5,4 % | 3,4 % | Cartesia Ink-2 leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 5,7 % | 3,9 % | Cartesia Ink-2 leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 35.330 ms | 31.136 ms | Cartesia Ink-2 leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.846 ms | 2.017 ms | Voxtral Mini Transcribe Realtime leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 43,02 s | 39,52 s | Cartesia Ink-2 leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.872 ms | 2.033 ms | Voxtral Mini Transcribe Realtime leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,07 | 1,02 | Cartesia Ink-2 leicht vorn |
| Coval AudioToFinal mean (niedriger ist besser) | 8,38 s | 8,09 s | Cartesia Ink-2 leicht vorn |
| Coval RTF p50 (niedriger ist besser) | 1,05 | 1,02 | gleichauf |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,70 s | 8,46 s | gleichauf |
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 0,0 % | 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, Voxtral Mini Transcribe Realtime in 0 klar und in 1 leicht.
VoiceCodeBench · WER
niedriger ist besser, Stand 31. Oktober 2026
VoiceCodeBench · Overall
Stand 31. Oktober 2026
VoiceCodeBench · CTEM
Stand 31. Oktober 2026
Quelle · zuletzt 31. Oktober 2026
Alle Daten im Vergleich
Preise stehen wörtlich wie beim Hersteller, weil Audiomodelle pro Minute, Zeichen oder Token abrechnen.
| Voxtral Mini Transcribe Realtime | Cartesia Ink-2 | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | Mistral AI | Cartesia |
| Status | Aktiv | Aktiv |
| Veröffentlicht | k. A. | 9. Juli 2026 |
| Gewichte | offen | proprietär |
| Läuft lokal | ja | nein |
| Preis | k. A. | 3 Credits pro Audiosekunde; der Dollarpreis und Mehrverbrauch hängen vom Tarif ab |
| Beliebtheit (von 100) | 18 | 0 |