Zum Inhalt springen
im Trend

Vergleiche

KI-Sprachagenten im Vergleich: Wenn der Anrufer sich korrigiert

KI-Sprachagenten im Vergleich. Die Sprachdialog-Arena erfasst den bewerteten Gesamteindruck eines Gesprächs.

Text: 2 Min. Lesezeit
KI-Sprachagenten im Vergleich: Wenn der Anrufer sich korrigiert

👁 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

Originaltabelle

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

Kinetyra

Der 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.

// read next

More on this from WISSNOX

Wissnox

Wissnox

ADMINISTRATOR
weiterlesenInworld: Eine vorgelesene Szene oder ein Gespräch in EchtzeitanleitungenInworld: Eine vorgelesene Szene oder ein Gespräch in EchtzeitFür ein deutschsprachiges Hörspiel reicht eine vorbereitete Äußerung.

Meistgelesen

  1. 1100.000 Qubits statt einer Million: Wie nah ist der Quanten-Codeknacker wirklich?
  2. 2Die partielle Mondfinsternis im August 2026: Warum 96 % kein „Blutmond“ sind - und gerade deshalb faszinieren
  3. 3Seedance 2.5 im Test: 8 Video-Beispiele mit Prompts
// Sitemap
wissnox in Zahlen 0Texte im Archiv0News der letzten 7 Tage0Videomodelle im Observatorium
🎬 KI-Video Empfehlung: Higgsfield AI DoP Kamera-Presets & Rechner • Higgsfield AI 50% Gutschein • Higgsfield vs Kling AI
× ‹ Vergrößerung ›