Hecho para agentes de voz que no pueden esperar 600ms

Cartesia: Ink 2

cartesia/ink-2
activo stt 1 proveedor
Playground

Cartesia's fastest, most accurate streaming speech-to-text model with the lowest word error rate and best turn detection; English only.

AutorCartesia
Idiomas1 idiomas
Estadoactivo

Proveedores

Distintos proveedores pueden alojar el mismo modelo. Elige un proveedor cuando necesites un backend fijo, o deja que el enrutamiento elija entre ellos.

ProveedorSlugPor horaLatenciaiEn TTS, la latencia se mide como el tiempo hasta el primer byte de audio. En STT, se mide como el tiempo hasta el primer token.ModosDisponibilidad
Cartesia 3 parámetros
cartesia
$0,5396
—
Streaming

Idiomas admitidos

1 idiomas
English en

Funciones

Speech to text

Transcribes spoken audio to text.

speech_to_text
Streaming

Real-time streaming transcription over WebSocket.

streaming
Multilingual transcription

English only.

multilingual_transcription

Código

Cliente
Modo
Lenguaje

STT en streaming con el ElevenLabs SDK

Transmite audio del micrófono o de un archivo a través de la ruta de AllModels compatible con ElevenLabs.

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const connection = await client.speechToText.realtime.connect({
  modelId: "cartesia/ink-2",
  languageCode: "en"
}, {
  queryParams: {
    provider: {
      "only": [
        "cartesia"
      ]
    }
  }
});

// Send audio frames to connection, then handle transcript events.