Whisper rediseñado para IA de voz en tiempo real y por lotes — TTCT más rápido, cobertura en 99 idiomas
100 idiomas · evaluado
Ink-Whisper es un modelo de transcripción de voz a texto de Cartesia. En nuestras pruebas estandarizadas alcanza una tasa de error de palabra de 17.20%, ocupando el puesto n.º 20 de 35 modelos evaluados. Admite 100 idiomas y cuesta 0,002 US$/min — más económico que la mayoría de alternativas.
Su alternativa evaluada más cercana es Soniox STT (Async). Ideal para subtitulado en vivo y transcripción en streaming, cargas de trabajo multilingües y flujos de alto volumen y sensibles al coste.
Puntuación General
84.6
#20 de 35
Tasa de Error de Palabras
17.20%
Tasa de Error de Caracteres
11.58%
Tasa de Error de Coincidencia
15.06%
Información de Palabras Perdida
20.23%
Latencia Promedio
773ms
Benchmarks Ejecutados
35
últimas 30 ejecuciones
Tasa de error de palabra
17.20%
↓ 24.6% · 30d
hace 4 ejecuciones
última
Latencia media
773ms
↓ 18.4% · 30d
hace 4 ejecuciones
última
WER general · 35 modelos
Ink-Whisper
grupo · 34 modelos
abajo a la izquierda es mejor
8 categorías
WER
menor es mejor
Médico
3.4%
Finanzas
7.5%
Técnico
8.3%
General
9.5%
Conversacional
9.8%
Legal
22.7%
Ambiente Ruidoso
39.4%
Cambio de Código
80.3%
p50 → p99 · 4 ejecuciones
Distribución de latencia
menor es mejor
748ms
p50
947ms
p90
947ms
p95
947ms
p99
5 acentos
Puntuación en Tiempo Real
67.1
TTFW (P50)
4992 ms
Parpadeo
0.0%
Cadencia
0.0/s
RTF
1.02×
Tasa de Error de Palabras
18.19%
Tasa de Error de Caracteres
13.15%
Benchmarks Ejecutados
35
Tarifa
$0.0022
/min
Facturación por segundo. Usa tu propia clave de proveedor y paga directamente al proveedor — se aplica una tarifa de enrutamiento del 5% (primeros 100 min/mes gratis).
Configurar BYOKEstimador de costo
1 hora
$0.13
10 horas
$1.33
100 horas
$13.32
1000 horas
$133.20
Facturado por segundo de audio procesado.
ID del modelo
cartesia/ink-whisper
Autentica cada solicitud con tu clave API secreta como token Bearer. Genera una clave desde tu panel.
Este modelo también admite streaming en tiempo real por WebSocket.
Úsalo con tu agente
Pega esto en Claude Code, Cursor, Codex o cualquier agente con terminal. Instala la CLI y la skill de OpenTranscription, y transcribe con este modelo.
Inicio rápido
Sube tu audio, crea un trabajo con este modelo y luego consulta el trabajo o define un webhook_url para recibir el aviso al completarse.
Parámetros clave
file_path
string
obligatorio
Ruta de almacenamiento devuelta por el paso de subida.
model
string
obligatorio
El modelo con el que se ejecuta este trabajo.
models
string[]
Cadena ordenada de respaldo: primero el principal y luego los alternativos, en orden, si un proveedor falla.
language
string
Código de idioma ISO 639-1. Omítelo para la detección automática.
webhook_url
string
URL HTTPS que recibe el resultado al completarse el trabajo. Los eventos entregados están firmados (X-OT-Signature).
title
string
Nombre visible de este trabajo en el panel. Si falta, se usa el nombre del archivo.
Respuesta
Un trabajo completado devuelve la transcripción en el Esquema Unificado de OpenTranscription (OTUS).
Webhooks — sin sondeo
Enviamos un evento firmado a tu webhook_url cuando un trabajo se completa o falla; verifica la cabecera X-OT-Signature (HMAC-SHA256, rechaza si tiene más de 300 s) y desduplicado por el id del evento, luego obtén la transcripción completa con GET /api/v1/transcriptions/{id}.
Límite por nivel — consulta los encabezados de respuesta X-RateLimit-*.
Referencia completa de la APIDisponibilidad · 30d
100.00%
Tasa de error
0.00%
Latencia media
132.1s
Último incidente
Ninguno en 30d
del mismo grupo
Idiomas Soportados
Formatos Soportados
Características
Límites
Tamaño máx. de archivo
Sin límite documentado
Duración máx.
Sin límite documentado