Cartesia Blog·· 2025-06-10精选评分71
Cartesia 发布流式语音转文字模型 Ink-Whisper
Introducing Ink: speech-to-text models for real-time conversationToday we’re introducing Ink, a new family of streaming speech-to-text (STT) models for developers building real-time voice applications. Ink-Whisper is the fastest, most affordable STT model–designed for enterprise-grade voice agents.[Product]Jun 10, 2025
导读
Cartesia 推出流式语音转文字（STT）模型系列 Ink，首发模型 Ink-Whisper 基于 OpenAI 的 Whisper 改造，面向实时语音应用。官方称其采用动态分块处理变长音频片段，在电话音质、专有名词、背景噪声、口语停顿和口音等数据集上，词错误率优于 whisper-large-v3-turbo 基线；在停止说话后完成转写的时间（TTCT）中位数为 66ms、P90 为 98ms，并称其为所测试流式 STT 模型中最快。定价为每秒 1 credit，Scale 套餐下约 $0.13/hr，可集成 Vapi、Pipecat 和 LiveKit。
推荐理由
Cartesia 发布流式语音转文字模型 Ink-Whisper，给出与 Whisper 基线和多家流式模型的 WER、TTCT 对比数据，可据此判断实时语音场景的选型。
来源：Cartesia Blog · cartesia.ai