KI-Sprachagenten im Vergleich: Wenn der Anrufer sich korrigiert
KI-Sprachagenten im Vergleich. Die Sprachdialog-Arena erfasst den bewerteten Gesamteindruck eines Gesprächs.

👁 111 Aufrufe
„Freitag um vier. Entschuldigung, Donnerstag.“ Ein Telefonagent muss nicht nur eine Stimme bilden. Er muss die Korrektur verstehen und den ersten Termin verwerfen. Beim Vergleich eines Sprachagenten für eine deutsche Werkstatt ist das der Moment, auf den ich achten würde.
Die Messung hinter der Rangliste
Die Sprachdialog-Arena erfasst den bewerteten Gesamteindruck eines Gesprächs. Die Reaktionszeit beim Unterbrechen, ein richtig wiederholter Name und die Zuverlässigkeit der angebundenen Kalenderfunktion sind unterschiedliche Eigenschaften. Wer eine reale Terminbuchung plant, sollte für den Hörvergleich einen Attrappenkalender mit frei erfundenen Einträgen verwenden.
Stand der Auswertung: 17. November 2026. Aufgeführt sind die vorderen Plätze der jeweiligen Tabellen sowie gesondert erfasste neue Einträge. Die Originaltabellen sind unter ihren Überschriften verlinkt.
Artificial Analysis: Sprachdialog
| Position | Modell oder Konfiguration | Messwert |
|---|---|---|
| 1 | Cartesia Managed Agents | 1111 |
| 2 | Gemini 3.1 Flash Live Minimal | 1089 |
| 3 | Gemini 3.8 Live | 1074 |
| 4 | Gemini 3.1 Flash Live High | 1062 |
| 5 | Grok Voice 3.0 | 1059 |
| 6 | GPT-Live-1 (Sol, low) | 1037 |
| 7 | GPT-Live-1 (Astra, medium) | 1027 |
| 8 | Phonic 1 (High) | 1012 |
| 9 | GPT-Realtime-1.5 | 1000 |
| 10 | Grok Voice 2.0 | 991 |
| 11 | Eleven Realtime v1 Max | 990 |
| 12 | ElevenLabs Agents (Default Cascaded System) | 985 |
| 13 | Eleven Realtime v1 Mini | 981 |
| 14 | GPT Realtime (Aug ’25) | 967 |
| 15 | Gemini 3.8 Live Extended Thinking (High) | 966 |
| 16 | Nova 2.0 Sonic (Mar 2026) | 964 |
| 17 | GPT-Realtime-2.1 Minimal | 933 |
| 18 | GPT-Realtime-2.1 High | 931 |
| 19 | GPT Realtime Mini (Oct ’25) | 922 |
| 20 | GPT-Realtime-2 (High) | 920 |
| 21 | GPT-Realtime-2 (Minimal) | 918 |
| 22 | Nova Sonic | 907 |
| 23 | Grok Voice 1.0 | 903 |
| 24 | Deepgram Voice Agent (Default Cascaded System) | 901 |
| 25 | Inworld Realtime (Default Cascaded System) | 884 |
Stimmenqualität und Agentenleistung. Die Stimme ist ein Teil des Gesprächs. Ob die Korrektur die richtige Buchung auslöst, lässt sich erst am anschließenden Kalendereintrag beurteilen.
Google · Deine QuellenWissnox höher in Ihrem Google - mit einem KlickZu bevorzugten Quellen hinzufügen →Quellen
- https://artificialanalysis.ai/speech-to-speech/arena (Abruf am 17.11.2026)
Ant Group und inclusionAI: Sprache schreiben oder sprechenAnleitungen
Gemini 4 Hydrogen: Preis, kostenlos nutzen, Test und VergleichNachrichtenDer Link zu ElevenLabs ist ein Partnerlink: Wenn Sie darüber kaufen, erhält WISSNOX eine Provision, für Sie bleibt der Preis gleich. Auf den Inhalt hat das keinen Einfluss, auch nicht auf kritische Passagen.
More on this from WISSNOX
anleitungen·Inworld: Eine vorgelesene Szene oder ein Gespräch in EchtzeitFür ein deutschsprachiges Hörspiel reicht eine vorbereitete Äußerung.