Mistral AIDeepgramAudio-DuellSpracherkennung
Voxtral Mini Transcribe Realtimevs.Flux
Welches Modell ist besser?
Voxtral Mini Transcribe Realtime und Flux liegen je nach Test vorn.
Nimm Voxtral Mini Transcribe Realtime 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
Flux leicht vornFlux ist in 0 von 16 Teiltests klar vorn und in 13 leicht, Voxtral Mini Transcribe Realtime in 0 klar und in 3 leicht.
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 Time to Final Segment (TTFS) mean
niedriger ist besser, Stand 5. November 2026
Alle 16 Teiltests zeigen
| Teiltest | Voxtral Mini Transcribe Realtime | Flux | Urteil |
|---|---|---|---|
| Coval Word Error Rate (WER) per-sample p50 (niedriger ist besser) | 0,0 % | 3,1 % | Voxtral Mini Transcribe Realtime leicht vorn |
| Coval Time to First Token (TTFT) maximum (niedriger ist besser) | 40.858 ms | 4.616 ms | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) mean (niedriger ist besser) | 444 ms | 102 ms | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) p50 (niedriger ist besser) | 339 ms | 99 ms | Flux leicht vorn |
| Coval RTF maximum (niedriger ist besser) | 15,59 | 5,29 | Flux leicht vorn |
| Coval Time to Final Segment (TTFS) maximum (niedriger ist besser) | 35.330 ms | 13.993 ms | Flux leicht vorn |
| Coval AudioToFinal maximum (niedriger ist besser) | 43,02 s | 17,25 s | Flux leicht vorn |
| Coval Word Error Rate (WER) per-sample maximum (niedriger ist besser) | 191,7 % | 92,3 % | Flux leicht vorn |
| Coval Time to First Token (TTFT) mean (niedriger ist besser) | 1.872 ms | 1.095 ms | Flux leicht vorn |
| Coval Time to First Token (TTFT) p50 (niedriger ist besser) | 1.846 ms | 1.172 ms | Flux leicht vorn |
| Coval Word Error Rate (WER) per-sample mean (niedriger ist besser) | 5,7 % | 6,4 % | Voxtral Mini Transcribe Realtime leicht vorn |
| Coval pooled corpus Word Error Rate (WER) (niedriger ist besser) | 5,4 % | 5,7 % | Voxtral Mini Transcribe Realtime leicht vorn |
| Coval RTF mean (niedriger ist besser) | 1,07 | 1,02 | Flux leicht vorn |
| Coval AudioToFinal mean (niedriger ist besser) | 8,38 s | 8,05 s | Flux leicht vorn |
| Coval RTF p50 (niedriger ist besser) | 1,05 | 1,01 | Flux leicht vorn |
| Coval AudioToFinal p50 (niedriger ist besser) | 8,70 s | 8,42 s | Flux leicht vorn |
Quelle · zuletzt 5. November 2026
Vals AI
Flux leicht vornFlux 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
Artificial Analysis
Voxtral Mini Transcribe Realtime 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.
| Voxtral Mini Transcribe Realtime | Flux | |
|---|---|---|
| Aufgabe | Spracherkennung | Spracherkennung |
| Entwickler | Mistral AI | Deepgram |
| Status | Aktiv | Aktiv |
| Gewichte | offen | proprietär |
| Läuft lokal | ja | nein |
| Beliebtheit (von 100) | 18 | 37 |