.svg)
Our in-house streaming speech-to-text model, built for noisy 8 kHz calls where customers switch between Hindi and English mid‑sentence.
8.85%
Semantic WER
67 ms
Latency, Fastest Model Tested
40 Lakh+
Calls a Day on Arth
60 Crore+
The Fastest Engine We Tested
Your agent can only reply once it knows what the customer said.
Arth V2 gets there in 67 ms on 80% of turns.
25%
Lower Latency Than Soniox v5
Beats the Best Model on Latency
12x
Lower Latency Than Soniox v5
~4x
Lower Latency Than Soniox v5
2.6x
Lower Latency Than Soniox v5
Fewer Errors Than Sarvam, Deepgram, Google and OpenAI
Every engine ran on the same 863 calls. We only counted errors that change what the agent does next, like a wrong amount or a missed "nahi".
Engine
Semantic WER, lower is better
Arth makes
Soniox v5
8.77%
Arth V2
8.85%
Deepgram Nova 3
9.31%
5% fewer
Sarvam Saaras v4
10.84%
18% fewer
Cartesia ink-2
11.58%
24% fewer
Google Gemini 3.5
11.93%
26% fewer
OpenAI gpt-live
12.30%
28% fewer
Google Chirp 3
12.47%
29% fewer
Deepgram Flux
14.33%
38% fewer
ElevenLabs Scribe v2
22.09%
60% fewer
Soniox v5 is 0.08 points ahead at 8.77%, which the benchmark treats as a tie, and slower at 89 ms. SquadStack Conversational Streaming ASR Benchmark, 8 kHz, streaming.
Built for Noisy Lines
Customers pick up at a shop counter, in an auto or with the TV on. Arth holds up best as the line gets noisier.
Clean to noisy calls
Arth V2 makes 28% fewer errors than Sarvam on noisy calls
How much each engine's error rate rises with noise
The smallest jump of any engine we tested
Arth V2
+3.7
Deepgram Nova 3
+5.7
Sarvam Saaras v4
+7.8
Google Gemini 3.5
+7.9
Cartesia ink-2
+11.2
Rise in semantic WER, percentage points, clean to noisy calls.
10.1%
Lowest error rate on calls with heavy Hindi-English mixing, ahead of Soniox (10.5%) and Sarvam (13.6%).
Not Every Error Costs the Same
A wrong amount or a missed "nahi" can lose the sale. Arth V2 makes the fewest of these errors against Sarvam, Deepgram, Google and OpenAI.
Numbers
A wrong amount, date or OTP
OpenAI
1.59%
Gemini
1.43%
Sarvam
1.29%
Nova 3
1.24%
Arth V2
1.10%
"छह हजार नौ सौ है"
Gemini heard 1900. Sarvam heard चार नौ सौ.
Negations
A "nahi" heard as "haan"
Gemini
0.79%
OpenAI
0.68%
Sarvam
0.59%
Nova 3
0.55%
Arth V2
0.52%
"loan open नहीं हुआ है"
All four other engines lost the नहीं.
Commitments
A promise to pay or buy, misheard
Gemini
0.65%
Sarvam
0.50%
Nova 3
0.48%
OpenAI
0.46%
Arth V2
0.42%
"हां बात करवा दो"
All four other engines changed करवा दो.
Content
Any other word that changes meaning
OpenAI
8.55%
Gemini
8.08%
Sarvam
7.55%
Nova 3
5.92%
Arth V2
5.89%
"कितना का ब्याज देना पड़ेगा"
Others heard bank, batch and बैठ जाना.
Errors as a share of all words spoken, across Arth V2, Deepgram Nova 3, Sarvam Saaras v4, Google Gemini 3.5 and OpenAI gpt-live.
Hear the Difference on Real Calls
BFSI · Lending
Call 896
00:00
/
00:00
Arth V2
twenty interest ज्यादा है maam लेकिन नहीं मुझे ज्यादा है उसको थोड़ा कम करिए
Deepgram Nova 3
twenty interest ज्यादा है maam लेकिन नहीं ज्यादा है उसको थोड़ा कम करिए
Sarvam Saaras v4
तो interest ज्यादा है maam लेकिन नहीं ज्यादा है उसको थोड़ा कम करिए
Google Gemini 3.5
twenty interest ज्यादा है maam नहीं ज्यादा है उसको थोड़ा कम करिए
Cartesia ink-2
तो interest ज्यादा है ना लेकिन नहीं वह ज्यादा है उसको थोड़ा कम करिए
OpenAI gpt-live
twenty interest ज्यादा है लेकिन ज्यादा है उसको थोड़ा कम करिए
Google Chirp 3
twenty interest ज्यादा है ना लेकिन मैं ज्यादा है उसको थोड़ा कम करिए
Deepgram Flux
interested ज्यादा make वह ज्यादा है उसको थोड़ा कम करिए
ElevenLabs Scribe v2
तो ये ये पैसे देना है maam लेकिन नहीं वह चाहिए नहीं ज्यादा है सुस्ता कम करिए
BFSI · Lending
Call 134
00:00
/
00:00
Arth V2
कितना का बयाज देना पड़ेगा
Deepgram Nova 3
कितना का bank देना पड़ेगा
Sarvam Saaras v4
कितना का batch देना पड़ेगा लगा के खाए
Google Gemini 3.5
बैठ जाना देना पड़ेगा
Cartesia ink-2
कितना का batch देने पड़ेगा
OpenAI gpt-live
yes कितना का बैट जिन्हें पड़ेगा
Google Chirp 3
कितना का मैच देना पड़ेगा
Deepgram Flux
कितना का batch देना पड़ेगा
ElevenLabs Scribe v2
कितना का batch देना पड़ेगा
Education
Call 896
00:00
/
00:00
Arth V2
maam MBA नहीं maam BA के लिए
Deepgram Nova 3
maam MBA नहीं maam BA कर लिया
Sarvam Saaras v4
maam MBA नहीं maam BA के लिए
Google Gemini 3.5
maam MBA नहीं maam BA किया है
Cartesia ink-2
maam MBA नहीं maam BA कीजिए
OpenAI gpt-live
मैं MBA नहीं maam BA कर लिया
Google Chirp 3
maam MBA नहीं maam BA के लिए
Deepgram Flux
maam m b n a maam b
ElevenLabs Scribe v2
maam MBA नहीं maam BA करी है
Education
Call 896
00:00
/
00:00
Arth V2
yeah science yeah science
Deepgram Nova 3
yeah thanks yeah science
Sarvam Saaras v4
yeah science yeah sign
Google Gemini 3.5
yeah thanks sign
Cartesia ink-2
yeah thanks yeah thanks
OpenAI gpt-live
yeah thanks yeah fine
Google Chirp 3
yeah thanks yeah fine
Deepgram Flux
yeah thanks yeah thanks
ElevenLabs Scribe v2
yeah thanks yeah fine
Marketplace
Call 896
00:00
/
00:00
Arth V2
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे three ply
Deepgram Nova 3
दीजिए अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे freeply ply
Sarvam Saaras v4
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे हूं हम्म reply
Google Gemini 3.5
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे reply ply
Cartesia ink-2
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे hmm hmm free ply
OpenAI gpt-live
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे हम्म reply
Google Chirp 3
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे नहीं reply
Deepgram Flux
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे free apply
ElevenLabs Scribe v2
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे हम्म अम्म free fly
Marketplace
Call 624
00:00
/
00:00
Arth V2
ढाई सौ millimeter two fifty
Deepgram Nova 3
ढाई सौ meter two fifty
Sarvam Saaras v4
ढाई सौ में भेटेंगे two fifty
Google Gemini 3.5
ढाई सौ millimeter diameter two fifty
Cartesia ink-2
ढाई सौ milliliter two fifty
OpenAI gpt-live
ढाई सौ मीटर [MISSED]
Google Chirp 3
bike ko mujhe beta two fifty
Deepgram Flux
ढाई सौ मुझे later two two two
ElevenLabs Scribe v2
दही सागल में भेटता है super food
BFSI · Lending
Call 896
00:00
/
00:00
Arth V2
twenty interest ज्यादा है maam लेकिन नहीं मुझे ज्यादा है उसको थोड़ा कम करिए
Deepgram Nova 3
twenty interest ज्यादा है maam लेकिन नहीं ज्यादा है उसको थोड़ा कम करिए
Sarvam Saaras v4
तो interest ज्यादा है maam लेकिन नहीं ज्यादा है उसको थोड़ा कम करिए
Google Gemini 3.5
twenty interest ज्यादा है maam नहीं ज्यादा है उसको थोड़ा कम करिए
Cartesia ink-2
तो interest ज्यादा है ना लेकिन नहीं वह ज्यादा है उसको थोड़ा कम करिए
OpenAI gpt-live
twenty interest ज्यादा है लेकिन ज्यादा है उसको थोड़ा कम करिए
Google Chirp 3
twenty interest ज्यादा है ना लेकिन मैं ज्यादा है उसको थोड़ा कम करिए
Deepgram Flux
interested ज्यादा make वह ज्यादा है उसको थोड़ा कम करिए
ElevenLabs Scribe v2
तो ये ये पैसे देना है maam लेकिन नहीं वह चाहिए नहीं ज्यादा है सुस्ता कम करिए
BFSI · Lending
Call 134
00:00
/
00:00
Arth V2
कितना का बयाज देना पड़ेगा
Deepgram Nova 3
कितना का bank देना पड़ेगा
Sarvam Saaras v4
कितना का batch देना पड़ेगा लगा के खाए
Google Gemini 3.5
बैठ जाना देना पड़ेगा
Cartesia ink-2
कितना का batch देने पड़ेगा
OpenAI gpt-live
yes कितना का बैट जिन्हें पड़ेगा
Google Chirp 3
कितना का मैच देना पड़ेगा
Deepgram Flux
कितना का batch देना पड़ेगा
ElevenLabs Scribe v2
कितना का batch देना पड़ेगा
Education
Call 896
00:00
/
00:00
Arth V2
maam MBA नहीं maam BA के लिए
Deepgram Nova 3
maam MBA नहीं maam BA कर लिया
Sarvam Saaras v4
maam MBA नहीं maam BA के लिए
Google Gemini 3.5
maam MBA नहीं maam BA किया है
Cartesia ink-2
maam MBA नहीं maam BA कीजिए
OpenAI gpt-live
मैं MBA नहीं maam BA कर लिया
Google Chirp 3
maam MBA नहीं maam BA के लिए
Deepgram Flux
maam m b n a maam b
ElevenLabs Scribe v2
maam MBA नहीं maam BA करी है
Education
Call 896
00:00
/
00:00
Arth V2
yeah science yeah science
Deepgram Nova 3
yeah thanks yeah science
Sarvam Saaras v4
yeah science yeah sign
Google Gemini 3.5
yeah thanks sign
Cartesia ink-2
yeah thanks yeah thanks
OpenAI gpt-live
yeah thanks yeah fine
Google Chirp 3
yeah thanks yeah fine
Deepgram Flux
yeah thanks yeah thanks
ElevenLabs Scribe v2
yeah thanks yeah fine
Marketplace
Call 896
00:00
/
00:00
Arth V2
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे three ply
Deepgram Nova 3
दीजिए अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे freeply ply
Sarvam Saaras v4
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे हूं हम्म reply
Google Gemini 3.5
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे reply ply
Cartesia ink-2
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे hmm hmm free ply
OpenAI gpt-live
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे हम्म reply
Google Chirp 3
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे नहीं reply
Deepgram Flux
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे free apply
ElevenLabs Scribe v2
अगर मान लीजिए sample हो जाता है तो पांच से दस हजार piece लगेंगे हम्म अम्म free fly
Marketplace
Call 624
00:00
/
00:00
Arth V2
ढाई सौ millimeter two fifty
Deepgram Nova 3
ढाई सौ meter two fifty
Sarvam Saaras v4
ढाई सौ में भेटेंगे two fifty
Google Gemini 3.5
ढाई सौ millimeter diameter two fifty
Cartesia ink-2
ढाई सौ milliliter two fifty
OpenAI gpt-live
ढाई सौ मीटर [MISSED]
Google Chirp 3
bike ko mujhe beta two fifty
Deepgram Flux
ढाई सौ मुझे later two two two
ElevenLabs Scribe v2
दही सागल में भेटता है super food
word
heard right by Arth V2
word
heard wrong
word
left out
Trained on Calls Nobody Can Scrape
Arth V2 is trained on real Indian sales calls, with the accents, noise, language switches, amounts and OTPs that decide a sale.
60 crore+
60 crore+
10 crore+
Unique Speakers
85%
of India's Pincodes
1 crore+
Live Minutes in Just 2 Months
Check the Benchmark Yourself
863 real Hindi-English sales calls from 19 campaigns across five industries. Every error, for every engine, is published call by call.
Calls in Every Mix of Noise and Hinglish
Light Hinglish
Some Hinglish
Heavy Hinglish
Clean
Moderate
Clean
Fewer calls
More calls
All nine combinations are covered, and no industry holds more than 23% of the speech, so no single one decides the ranking.
Semantic WER
Share of words an engine gets wrong in a way that changes what the agent does. A wrong EMI amount counts. An extra "haan" does not.
FTR at p80
Time from the end of the customer's turn to the final transcript, on 80% of turns.
Streaming, on 8 kHz Audio
Every engine heard every call live, on normal phone audio.