Cartesia

Cartesia Ink Whisper

Cartesia’s streaming speech-recognition model — 90ms time-to-first-token for real-time voice agents.

#12প্রকাশিত ৬ অক্টো, ২০২৬·Proprietary·Not disclosed
audio64K ctx
API প্রোভাইডারমডেল চালান →বনাম ElevenLabs Scribe v2র‍্যাংকিং
বুদ্ধিমত্তা
91.8 #12
AAQI 92.0
আউটপুট গতি
260 t/s
ITL 3.8 ms/tok
ব্লেন্ডেড মূল্য (3:1)
$0.008 /1M
ইনপুট $0.006/M · আউটপুট $0.012/M
কনটেক্সট
64K
≈ 160টি A4 পৃষ্ঠা · সর্বোচ্চ আউটপুট 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Cartesia Ink Whisper
Claude Mythos Preview (#1)
Average (68)
Coding (15)Mathematics (15)Hard Science (GPQA) (28)Agentic & Tool Use (68)Knowledge (MMLU) (45)Vision / Multimodal (88)

সরাসরি বেঞ্চমার্ক মাপ না থাকলে রাডার অক্ষ বিভাগ স্কোর থেকে আনুমানিক — পদ্ধতি দেখুন।

শক্তি ও ট্রেড-অফ

যেখানে এটি জেতে

  • Fastest streaming STT — 90ms TTFT
  • 260× realtime-factor transcription
  • Cheapest per-minute tier among premium STT

যেগুলো খেয়াল রাখতে হবে

  • Accuracy dips on heavy accents vs. Scribe
  • Smaller language coverage than ElevenLabs
  • STT only

কিলার ব্যবহারের ক্ষেত্র

Barge-in voice agents
Instant partials let agents interrupt naturally.
Live captioning
Sub-second captions for calls and streams.
Telephony analytics
Realtime intent extraction on 8kHz audio.

ডেভেলপার কুইকস্টার্ট ও API

প্রথমে CARTESIA_API_KEY সেট করুন — API কী নিন
curl https://api.cartesia.ai/v1/chat/completions \
  -H "Authorization: Bearer $CARTESIA_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "ink-whisper",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

অফিসিয়াল রিসোর্স ও লিংক

API ডিপ্লয়মেন্ট

হোস্ট ও লেটেন্সি তুলনা করুন

Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock ও Azure জুড়ে থ্রুপুট, TTFT ও ক্যাশে মূল্য।

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
প্রোভাইডার ম্যাট্রিক্স দেখুন →

উৎস অনুযায়ী স্কোর

সরাসরি লাইভ ম্যাচআপ

লাইভ স্পেসিফিকেশন ও আর্কিটেকচার

ভেতরের কাঠামো
Ink Whisper — state-space streaming STT
  • State-space architecture — linear-time streaming decode
  • 90ms time-to-first-transcript-token
  • Endpointing tuned for conversational turn-taking
  • On-device-friendly distilled variants
প্রকাশের তারিখ
৬ অক্টো, ২০২৬
আর্কিটেকচার
Ink Whisper — state-space streaming STT
প্যারামিটার
Not disclosed
লাইসেন্স
Proprietary
কনটেক্সট উইন্ডো
64,000 tokens
সর্বোচ্চ আউটপুট
8,192 tokens
মডালিটি
audio
ক্যাশে মূল্য
রিড $0.002 · রাইট $0.008 /1M
রিজনিং
—
ইনপুট দাম
$0.006/M
আউটপুট দাম
$0.012/M
আউটপুট গতি
260 t/s
প্রথম টোকেনের সময়
—
ডেটা আপডেট
২২ অক্টো, ২০২৬

আনুমানিক মাসিক বিল

আনুমানিক মাসিক খরচ
$0.00
GPT-4o-র তুলনায় সঞ্চয় হিসাব হচ্ছে…

উদ্ধৃতি ও এম্বেড

GitHub Markdown ব্যাজ
Loading badge markdown...
BibTeX
@misc{llmpodium2026cartesiainkwhisper,
  title = {Benchmark Analysis and Intelligence Evaluation of Cartesia Ink Whisper},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/cartesia-ink-whisper}
}

স্কোর ব্যাজ এম্বেড করুন

আপনার GitHub বা Hugging Face README-তে লাইভ Podium স্কোর ব্যাজ যোগ করুন — এটি লাইভ র‍্যাংকিং-এ ফেরে।

প্রিভিউ
Cartesia Ink Whisper LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

বিকল্প মডেলসমূহ

সক্ষমতা, মূল্য এবং বেঞ্চমার্ক স্কোরের ভিত্তিতে Cartesia Ink Whisper-এর নিকটতম বিকল্প।

0 / 4