Cartesia

Cartesia Ink Whisper

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

#12リリース日: 2026年10月6日·Proprietary·Not disclosed
audio64K ctx
知能指数
91.8 #12
AAQI 92.0
出力速度
260 t/s
ITL 3.8 ms/tok
ブレンド価格 (3:1)
$0.008 /1M
入力 $0.006/M · 出力 $0.012/M
コンテキスト
64K
約 160 枚のA4ページ · 最大出力 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)

直接のベンチマーク測定がない場合、レーダー軸はカテゴリスコアから近似されます — 評価方法 を参照。

強みとトレードオフ

強み

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

注意すべきトレードオフ

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

キラーユースケース

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.

開発者向けクイックスタートとAPI

まず CARTESIA_API_KEY を設定 — APIキーを取得
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."}]
  }'

公式リソースとリンク

API デプロイ

ホストとレイテンシを比較

Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock、Azure 全体のスループット、TTFT、キャッシュ料金。

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
プロバイダーマトリクスを見る →

ソース別スコア

ライブ対決

ライブスペックとアーキテクチャ

内部構造
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
リリース日
2026年10月6日
アーキテクチャ
Ink Whisper — state-space streaming STT
パラメータ数
Not disclosed
ライセンス
Proprietary
コンテキストウィンドウ
64,000 tokens
最大出力
8,192 tokens
モダリティ
audio
キャッシュ料金
読み取り $0.002 · 書き込み $0.008 /1M
推論
—
入力価格
$0.006/M
出力価格
$0.012/M
出力速度
260 t/s
最初のトークンまでの時間
—
データ更新日
2026年10月22日

月額請求の見積もり

月額見積もり
$0.00
GPT-4o との節約額を計算中…

引用と埋め込み

GitHub Markdown バッジ
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}
}

スコアバッジを埋め込む

GitHub または Hugging Face の README にライブ Podium スコアバッジを追加 — ライブランキングにリンクします。

プレビュー
Cartesia Ink Whisper LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

代替モデル

機能、価格、ベンチマークスコアに基づく Cartesia Ink Whisper の最適な代替モデル。

0 / 4