Zum Hauptinhalt springen

CartesiaAudiomodellAktiv

Cartesia Ink-2

Beliebtheitnoch keine Daten

k. A.ohne Such- oder Nutzungsdaten

Zusammenfassung

Cartesia Ink-2 ist ein Streaming-ASR-Modell für Sprachagenten. Cartesia nennt etwa 0,1 Sekunden vom Ende der gesprochenen Eingabe bis zum finalen Transkript (TTFT). Das ist nicht die Zeit bis zum ersten Teilergebnis. Das Modell ergänzt Transkription um semantisches Endpointing und strukturierte Entitäten.

Der Endpunkt ink-2 ist über die Cartesia-API und Play erreichbar. Zur Einführung wurde Englisch genannt, eine neuere Produktseite nennt zusätzlich Spanisch, Französisch, Hindi und Japanisch. Die Sprachangaben der offiziellen Quellen sind nicht einheitlich. Die Abrechnung nutzt drei Credits pro Audiosekunde, deren Dollarpreis vom Tarif abhängt.

GraduallyBench Audio

Cartesia Ink-2

Teilweise getestet
  • Der Testumfang ist unvollständig.
  • Die genaue Modellversion ist über die Route nicht bestätigt.
  • Für Stille liegt keine belastbare Auswertung vor.
  • Die Zahl tatsächlicher Anbieteranfragen ist nicht nachgewiesen.
  • Getestet wurde nur die angegebene Sprachauswahl.
Testdetails anzeigen

Spracherkennung

Öffentliche Demo · Englisch

15 gültige Ausgaben aus 20 begonnenen und 20 geplanten Testplätzen.

Wortfehlerrate (WER)
2,68 %(12 / 447 Referenzwörter)Englisch
Zeichenfehlerrate (CER)
1,02 %(24 / 2.350 Referenzzeichen)Englisch
Stilleprüfung
Nicht verfügbarEnglisch

Technische Messung

Öffentliche Demo · Englisch

1 gültige Ausgabe aus 1 begonnenen und 1 geplanten Testplätzen.

  • Es liegt nur ein kurzer Funktionstest vor.
  • Der Funktionstest bewertet keine inhaltliche Qualität.
  • Es liegt nur ein technischer Test vor.
  • Die Auswahl der Testeingaben ist begrenzt.

Für diesen Test liegt kein weiterer bewerteter Messwert vor.

WER vergleicht Wörter und CER vergleicht Zeichen mit der Referenz. Die Rücktranskription der Sprachausgabe erfolgte mit GPT Transcribe. Die genaue Backend-Revision ist nicht bestätigt. Gelesene Sprache und digitale Stille decken spontane Sprache und echte Störgeräusche nicht ab. Fehlerraten können über 100 % liegen. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 184 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 16

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

VoiceCodeBench: CTEM (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
89,541
Messgröße
canonical token/entity match
Einheit
%
Benchmark-Version
1
Kategorie
general
Aufgabe
ctem
Aufgabenbezeichnung
CTEM
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Vals AI
Status
active
Abrufdatum
2026-11-07
Methodik
Kennung des Quellmodells: cartesia/ink-2. Name des Quellmodells: Cartesia Ink-2. Anbieter laut Quelle: Cartesia. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-24. Latenz in Sekunden: 69.197. Standardfehler: 0. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-voice-code-bench-2026-11-07-7753d162bfe3. Prüfsumme der Quelldaten: 7753d162bfe3fa3470d586da3917bf8ddd96f14e10f9aa8f03dd517b8d5f003b. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-voice-code-bench:1:ctem
Quelle Vals AI
VoiceCodeBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
62
Messgröße
task success rate
Einheit
%
Benchmark-Version
1
Kategorie
general
Aufgabe
overall
Aufgabenbezeichnung
Overall
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Vals AI
Status
active
Abrufdatum
2026-11-07
Methodik
Kennung des Quellmodells: cartesia/ink-2. Name des Quellmodells: Cartesia Ink-2. Anbieter laut Quelle: Cartesia. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-24. Latenz in Sekunden: 69.197. Standardfehler: 0. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-voice-code-bench-2026-11-07-7753d162bfe3. Prüfsumme der Quelldaten: 7753d162bfe3fa3470d586da3917bf8ddd96f14e10f9aa8f03dd517b8d5f003b. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-voice-code-bench:1:overall
Quelle Vals AI
Endpointing precision (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
89
Messgröße
precision
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Cartesia Ink-2 announcement
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Internal July 2026 endpointing benchmark
Einordnung
Die von Cartesia berichteten Werte und die datierten Vals-Beobachtungen nutzen unterschiedliche Metriken und Kohorten. Daraus wird keine quellenübergreifende Rangfolge abgeleitet.
Quelle Cartesia Ink-2 announcement
Endpointing recall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
97
Messgröße
recall
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Cartesia Ink-2 announcement
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Internal July 2026 endpointing benchmark
Einordnung
Die von Cartesia berichteten Werte und die datierten Vals-Beobachtungen nutzen unterschiedliche Metriken und Kohorten. Daraus wird keine quellenübergreifende Rangfolge abgeleitet.
Quelle Cartesia Ink-2 announcement
Endpointing F1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
93
Messgröße
F1
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Cartesia Ink-2 announcement
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Internal July 2026 endpointing benchmark
Einordnung
Die von Cartesia berichteten Werte und die datierten Vals-Beobachtungen nutzen unterschiedliche Metriken und Kohorten. Daraus wird keine quellenübergreifende Rangfolge abgeleitet.
Quelle Cartesia Ink-2 announcement
Coval pooled corpus-level STT word error rate (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,5860138094
Messgröße
Pooled corpus-level speech-recognition word error rate, Coval pooled_value
Einheit
%
Benchmark-Version
Coval rolling 30-day window, re-measured daily; route last measured 2026-10-16
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
26673
Quellentyp
official-leaderboard
Auswertung
Coval
Status
superseded
Abrufdatum
2026-10-16
Methodik
Offizielle Benchmark-Rangliste. Coval-Endpunktschlüssel cartesia/ink-2, exakte API-Modellkennung ink-2, gehostet von Cartesia. Die Route weist Ink 2 getrennt von den Cartesia-Sonic-Sprachsynthesemodellen aus. Rollierendes 30-Tage-Fenster, tägliche Neumessung.
Einordnung
Dies ist Covals gepoolte, korpusweite STT-WER, nicht der separate Mittelwert pro Clip oder ein gerundeter Ranglistenwert. Gepoolte WER und mittlere WER pro Clip sind unterschiedliche Aggregationen und dürfen nicht als derselbe Wert verglichen werden. Verwendet wird sample_count der WER-Zeile, nicht die Stichprobenzahl einer anderen Metrik oder eine Gesamtzahl der Rangliste. Das Ergebnis beschreibt Covals gehostete 30-Tage-Endpunktkohorte, nicht eine lokale oder native Ausführung.
Quelle Coval
Cekura Converse-STT, Cartesia Ink 2 Pipecat WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,39
Messgröße
word error rate (WER) on Pipecat public short-clip speech-to-text set
Einheit
%
Benchmark-Version
Cekura Converse-STT page last updated 2026-09-16, retrieved 2026-10-17
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
1000
Untere Konfidenzgrenze
2.13
Obere Konfidenzgrenze
2.65
Quellentyp
independent-evaluator
Auswertung
Cekura Bench
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Streaming-STT-Modellzeile Cartesia Ink 2. Der Pipecat-Datensatz enthält 1.000 öffentliche Clips; für die Modellzeile sind 1.000 nutzbare Ausgaben ausgewiesen. Cekura bezeichnet die Unsicherheitsspanne als wahrscheinlichen 95-%-Bereich. Die bereitgestellte Endpunktversion ist nicht gepinnt.
Einordnung
Das veröffentlichte Intervall ist Cekuras wahrscheinlicher 95-%-Bereich, kein separat dokumentiertes Modell-Konfidenzintervall. Laut Seite sind die je Modell ausgewiesenen Anzahlen nutzbare Ausgaben. Diese eigene WER-Beobachtung auf öffentlichen Clips ist weder die bestehende Coval- noch VoiceCodeBench- oder Cartesia-Hersteller-WER-Zeile.
Quelle Cekura Bench
Cekura Converse-STT, Cartesia Ink 2 Ocular WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,09
Messgröße
word error rate (WER) on Ocular licensed real-phone-conversation speech-to-text set
Einheit
%
Benchmark-Version
Cekura Converse-STT page last updated 2026-09-16, retrieved 2026-10-17
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
8
Untere Konfidenzgrenze
2.43
Obere Konfidenzgrenze
3.84
Quellentyp
independent-evaluator
Auswertung
Cekura Bench
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Streaming-STT-Modellzeile Cartesia Ink 2. Ocular stellt acht lizenzierte Aufnahmen aus vier echten Telefongesprächen bereit; für die Modellzeile sind acht nutzbare Ausgaben ausgewiesen. Cekura bezeichnet die Unsicherheitsspanne als wahrscheinlichen 95-%-Bereich. Die bereitgestellte Endpunktversion ist nicht gepinnt.
Einordnung
Das veröffentlichte Intervall ist Cekuras wahrscheinlicher 95-%-Bereich, kein separat dokumentiertes Modell-Konfidenzintervall. Laut Seite sind die je Modell ausgewiesenen Anzahlen nutzbare Ausgaben. Diese eigene WER-Beobachtung aus echten Gesprächen ist weder die bestehende Coval- noch VoiceCodeBench- oder Cartesia-Hersteller-WER-Zeile.
Quelle Cekura Bench
Speko FLEURS clean read-English batch WER, cartesia:ink-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
11
Messgröße
Word error rate, mean per clip; lower is better
Einheit
%
Benchmark-Version
Speko FLEURS read-English batch cohort; No measurement date is stated for this exact model row. The board-level measured date 2026-07-03 is not assigned to this route.
Kategorie
speech-to-text
Richtung
Weniger ist besser
Stichprobe
50
Quellentyp
independent-evaluator
Auswertung
Speko independent speech benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Englische gelesene Sprache, saubere FLEURS-Testaufnahmen, Batch-API, exakte Speko-Routenzeile. Die globale Batch-Kohorte der Speko-Tafel umfasst n=50; konkrete Backend-Revision und API-Parameter fehlen. Das übergeordnete Tafel-Datum 03.07.2026 ist dieser Modellzeile nicht zugeordnet.
Einordnung
Dies ist ein unabhängiger FLEURS-Batchwert aus 50 Clips, nicht dieselbe Streaming- oder Gesprächsmenge wie bei den anderen Zeilen. Backend und konkrete Providerversion sind nicht fixiert. Der neue Abruf hat die Messung nicht erneut ausgeführt; ein exaktes Zeilendatum wird nur übernommen, wenn es veröffentlicht ist.
Quelle Speko independent speech benchmark
Speko streaming FLEURS test+dev+train English WER, cartesia:ink-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
10,12
Messgröße
Word error rate on streaming transcript; lower is better
Einheit
%
Benchmark-Version
Speko STT streaming FLEURS test+dev+train run; 2026-10-01.
Kategorie
speech-to-text
Richtung
Weniger ist besser
Stichprobe
1541
Quellentyp
independent-evaluator
Auswertung
Speko independent speech benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Englische gelesene FLEURS-Clips im Echtzeit-Stream über die exakte Speko-Providerroute; die Quelle kombiniert FLEURS-Test-, Entwicklungs- und Trainingsclips. Speko nennt n=1.541 Clips und den Messtag 01.10.2026.
Einordnung
Die Quelle kombiniert ausdrücklich FLEURS-Test-, Entwicklungs- und Trainingsclips. Es handelt sich daher nicht um einen reinen zurückgehaltenen Testsatz. Ein Konfidenzintervall oder unveränderlicher Provider-Build wird nicht veröffentlicht; die Zelle nennt exakte Route und ausgewertete Datenmenge.
Quelle Speko independent speech benchmark
Speko EdAcc spontaneous accented English conversation WER, cartesia:ink-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
16,6781
Messgröße
Word error rate over spontaneous accented conversational speech; lower is better
Einheit
%
Benchmark-Version
Speko EdAcc spontaneous-conversation realtime run; 2026-10-01.
Kategorie
speech-to-text
Richtung
Weniger ist besser
Stichprobe
283
Quellentyp
independent-evaluator
Auswertung
Speko independent speech benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Spontane englische Gespräche mit Akzenten (EdAcc), 60 Personen, 283 Clips, zwei Echtzeitdurchläufe, exakte Speko-Providerroute. Speko nennt n=283 Clips und den Messtag 01.10.2026; die zwei Durchläufe werden nicht als unabhängige Beispiele gezählt.
Einordnung
Die Speko-Quelle zeigt in derselben Zelle einen Bereich (z. B. 14,4 bis 19,9 %), bezeichnet aber weder Intervalltyp noch Konfidenzniveau; er wird nicht als Konfidenzintervall übernommen. Genannt werden 60 Personen und zwei Durchläufe. N=283 bezeichnet Quellclips, nicht 566 Durchläufe. Ein unveränderlicher Backend-Build fehlt.
Quelle Speko independent speech benchmark
Coval Cartesia Ink 2 word error rate (WER), 30-day mean (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,6
Messgröße
Word error rate (WER)
Einheit
%
Benchmark-Version
Coval rolling 30-day fixed-public-audio results; exact route last run 2026-10-17 10:00 UTC
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
official-leaderboard
Auswertung
Coval
Status
superseded
Abrufdatum
2026-10-19
Methodik
Offizielle Benchmark-Rangliste. Exakte Coval-Modellroute Ink 2, gehostet von Cartesia über die offizielle API. Tägliche Auswertung fester öffentlicher Sprache in sauberen, akzentuierten, verrauschten, halligen, Fernfeld-, abgeschnittenen und telefoncodecierten Bedingungen; rollierende 30-Tage-Ergebnisse. Die exakte Modellseite nennt den 17. Oktober 2026 um 10:00 UTC als letzten Lauf.
Einordnung
Die Seitenkopfzeile nennt 133.365 Stichproben in 30 Tagen. Eine separat geöffnete Coval-Übersicht vom 19. Oktober nennt für Ink 2 26.667 Stichproben und zugleich widersprechende Messwerte. Die Quellen erläutern nicht, ob beide Zahlen denselben Nenner verwenden; sampleCount bleibt daher unbekannt. Die undatierte Übersichtszeile wurde nicht übernommen; der Lauf der exakten Modellroute bleibt mit dem dort angegebenen Datum 17. Oktober erhalten. Ein Konfidenzintervall wird nicht gezeigt.
Quelle Coval

Seite 1 von 16

Alle technischen Daten

Architektur

Modellklasse
Streaming-Spracherkennung
Quelle: Modellklasse

Ein- und Ausgabe

Eingabe
Audio
Quelle: Eingabe
Ausgabe
Transkript und strukturierte Entitäten
Quelle: Ausgabe
Sprachen
Englisch zum Start laut Ankündigung; die aktuelle Ink-Produktseite nennt zusätzlich Spanisch, Französisch, Hindi und Japanisch. Die Angaben zur Sprachabdeckung sind nicht einheitlich.
Quelle: Sprachen
Latenz bis zum finalen Transkript
Laut Anbieter etwa 0,1 Sekunden ab dem Ende der gesprochenen Eingabe bis zum finalen Transkript (TTFT), nicht bis zum ersten Teilergebnis
Quelle: Latenz bis zum finalen Transkript

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
Cartesia API und Play
Quelle: Zugang
Abschaltung
Keine angekündigt
ohne Quelle

API

API-Modellkennung
ink-2
Quelle: API-Modellkennung

Weitere Angaben

Funktionen
Semantisches Endpointing und strukturierte Entitätserkennung
Quelle: Funktionen

Preise

Preis
3 Credits pro Audiosekunde; der Dollarpreis und Mehrverbrauch hängen vom Tarif abQuelle

Quellen und Datenstand

Alle 23 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

AuswerterTestreihenGesamtindizesErfasste aktive Messwerte
Vals AI103

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
RecherchestandRecherchestand 4. Oktober 2026. 20 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Ungeklärt

benchmark-cohorts

Hinweis

Die von Cartesia berichteten WER- und Endpointing-Werte, die aktuellen Vals-Zeilen mit WAcc/CTEM/TSR und die datierte Vals-Aufnahme vom 29. September 2026 mit WER/CTEM/TSR verwenden unterschiedliche Metriken oder Kohorten. Sie bleiben getrennt, werden weder überschrieben noch gemeinsam gerankt.

Ungeklärt

exact-serving-snapshot-and-unpublished-method-details

Hinweis

Die erfasste externe Quelle meldet ein benchmarkspezifisches Modell oder eine gehostete Route, belegt aber keinen unveränderlichen aktuell ausgelieferten Checkpoint. Nicht veröffentlichte Nenner je Zeile und Konfidenzintervalle bleiben unbekannt; Stichprobenumfänge wurden nur für ausdrücklich bezifferte Zellen eingetragen.

Weitere QuelleCartesia Ink-2 announcement (abgerufen 3. Oktober 2026; 4. Oktober 2026; 22. Oktober 2026) · Cartesia Ink-2 announcement · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleCartesia Ink product page (abgerufen 3. Oktober 2026) · Cartesia Ink product page · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleCartesia pricing (abgerufen 3. Oktober 2026) · Cartesia pricing · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleVals AI (abgerufen 7. November 2026)
Weitere QuelleCoval (abgerufen 16. Oktober 2026; 17. Oktober 2026; 19. Oktober 2026; 20. Oktober 2026; 28. Oktober 2026; 29. Oktober 2026; 30. Oktober 2026; 31. Oktober 2026; 1. November 2026; 2. November 2026; 5. November 2026; 6. November 2026; 7. November 2026)
Weitere QuelleCekura Bench (abgerufen 17. Oktober 2026)
Weitere QuelleSpeko independent speech benchmark (abgerufen 17. Oktober 2026)
Weitere QuelleCekura Bench (abgerufen 23. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 16. Oktober 2026)12
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026)12
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026; 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 28. Oktober 2026)1234
Weitere QuelleModellmetadaten (abgerufen 5. November 2026)123
Weitere QuelleModellmetadaten (abgerufen 6. November 2026; 7. November 2026)123