Cartesia Sonic

Teksti puheeksiEi saatavilla
kehittäjä: OtherMallin tunnus: cartesia-sonic

Cartesia's ultra-low-latency TTS (~90ms TTFB). State-space model with voice cloning support.

Tila
Ei saatavilla
Syöte → tulos
Teksti → Audio
Kehittäjä
Other
Päivitetty
23. syyskuuta 2026

Cartesia Sonic ei ole tällä hetkellä saatavilla

Voit silti lukea tiedot tältä sivulta. Valitse yksi alla olevista saatavilla olevista vaihtoehdoista suorittaaksesi vertailukelpoisen mallin heti.

Siirry vaihtoehtoihin
01

Vertailukelpoiset mallit

Kaikki tässä kategoriassa
02

Leikkikenttä

Kokeile Cartesia Sonic

Syöte ja tulos

Ei tällä hetkellä saatavilla

Ei tällä hetkellä saatavilla.

Leikkikenttä on poistettu käytöstä. Vertailukelpoisia malleja löydät samasta kategoriasta: Selaa vaihtoehtoja

Kokeile Cartesia Sonic

0 / 4 000

Lisäasetukset (2)
Tulos
Luotu puhe ilmestyy tähän.

Tämä suoritus

Ei hintaa – ei tällä hetkellä saatavilla.

Uusi täällä?

10 ilmaista creditiä (0,10 $) kun rekisteröidyt Googlella

Käytettävissä 24 tuntia rekisteröinnin jälkeen, enintään 5 suoritusta päivässä ja enintään 2 creditiä suoritusta kohti. Muut kirjautumismenetelmät alkavat ilman creditejä.

03

Tietoja: Cartesia Sonic

Lyhyesti23. syyskuuta 2026 alkaen

Cartesia Sonic on Other-kehittäjän malli kategoriasta Teksti puheeksi. Cartesia Sonic ei ole tällä hetkellä saatavilla Railwailissa.

Tausta

Tietoja: Cartesia AI

Perustettu 2023 · San Francisco, California, USA

Cartesia AI was founded in 2023 by Karan Goel and Albert Gu, the academic team behind the influential state-space model line of research at Stanford and CMU (S4, H3, Mamba, Mamba-2). Co-founders also include Arjun Desai, Brandon Yang and Chris Re (Stanford advisor). The company set out to build voice and multimodal foundation models on a state-space backbone instead of Transformers in order to achieve sub-100 ms latency and stream-friendly inference. Cartesia raised a $27M seed in March 2024 led by Index Ventures with participation from Conviction, A* and Lightspeed, followed by a $64M Series A in October 2024 led by Kleiner Perkins at a reported $325M valuation. Sonic, the company's first product, launched in May 2024 and quickly became one of the lowest-latency commercial TTS systems on the market.

Vieraile sivustolla Cartesia AI

Arkkitehtuuri

State-space model (Mamba family) text-to-speech with neural codec output

Cartesia Sonic is a streaming text-to-speech model built on the structured state-space modelling (SSM) architecture pioneered by Cartesia's founders (S4, H3, Mamba, Mamba-2). Unlike Transformer-based TTS systems that scale quadratically with sequence length, Sonic uses linear-time SSMs with selective scan, which lets the model maintain a small constant-memory recurrent state and generate audio chunks as text streams in. Cartesia reports a model first-byte latency of around 75-90 ms on their hosted API, which is faster than ElevenLabs Turbo and OpenAI TTS-1. Sonic outputs 24 kHz PCM via a neural codec decoder, supports streaming text input (so it can start speaking before the LLM finishes its sentence) and offers voice cloning from short reference samples (3-30 seconds). Sonic 2 added improved prosody, multilingual coverage (15+ languages) and reduced WER. The system is offered exclusively as a hosted API; weights are not released.

Parametrit
Undisclosed
Konteksti
24 000 tokenia

Ominaisuudet

  • Sub-100 ms first-byte latency suitable for real-time voice agents
  • State-space (Mamba-family) backbone with linear-time inference
  • Streaming text input and streaming audio output via WebSocket or gRPC
  • Instant voice cloning from short reference audio
  • Multilingual: English, Spanish, French, German, Portuguese, Mandarin, Japanese and more
  • Emotion and pace controls via inline tags
  • 24 kHz PCM, MP3 and Opus output formats
  • Best for: real-time voice agents, IVR systems, conversational AI, low-latency phone bots

Koulutus ja lisenssi

Cartesia has not disclosed the training corpus. Public statements describe a 'diverse multilingual speech dataset' with permissioned voice talent for the stock voice library.

Lisenssi: Proprietary commercial API. Voice clones produced from customer audio remain customer property under the Terms of Service; commercial use is permitted on paid tiers.

Turvallisuustestit: Voice-cloning policy requires explicit consent statements; outputs include an inaudible watermark and audio fingerprinting to detect misuse.

Tunnetut rajoitukset

  • Closed weights, hosted-only
  • Voice clone quality below ElevenLabs Multilingual V2 for nuanced emotional acting
  • Limited SSML / fine-grained prosody control
  • Hard cap of around 24,000 input characters per request
  • Mandarin and Japanese still less polished than English/Spanish
04

Hinnat

Ei tällä hetkellä saatavilla. Tällä hetkellä tälle mallille ei ole hintaa, joten sitä ei voi suorittaa.

05

API

Kutsu Cartesia Sonic Railwail-API-avaimellasi. Käytä tätä mallin tunnusta pyynnössä:

Ei vahvistettua API-esimerkkiä

Julkinen API välittää eri syötemuotoa kuin tämä malli tarvitsee. Käytä yllä olevaa leikkikenttää.

06

Tekniset tiedot

Mallin tunnus
cartesia-sonic
Kehittäjä
Other
Syöte
Teksti
Tuloste
Audio
Tulosteen muodot
MP3, WAV, OPUS
Mallin koko
Undisclosed
Lisenssi
Proprietary commercial API. Voice clones produced from customer audio remain customer property under the Terms of Service; commercial use is permitted on paid tiers.
Luettelokirjaus päivitetty
23. syyskuuta 2026

Syöteparametrit

Mallin syötökaavion syötteet ja asetukset. API-osion esimerkki näyttää, mitkä niistä API hyväksyy.

  • inputpakollinen

    Text to convert to speech

    Tyyppi: Teksti
    Oletus: –
    Sallitut arvot: enintään 4 000 merkkiä
  • speed
    Tyyppi: Luku
    Oletus: 1
    Sallitut arvot: 0,5–2
  • voice
    Tyyppi: Valinta
    Oletus: sonic-default
    Sallitut arvot: sonic-default, neutral-male, neutral-female, warm-female tai british-male
  • response_format
    Tyyppi: Valinta
    Oletus: mp3
    Sallitut arvot: mp3, wav tai opus

Tunnisteet

  • cartesia
  • tts
  • low-latency
  • voice-cloning
  • realtime
07

Käyttötapaukset

Mihin sitä käytetään

  • Real-time voice agents and AI receptionists
  • Low-latency IVR / phone call automation
  • Live narration for video and streaming
  • Voice cloning for branded virtual assistants
  • Streaming TTS chained with LLM output
08

Usein kysytyt kysymykset

Mikä on Cartesia Sonic?

Cartesia Sonic on Othern kehittämä malli Teksti puheeksi-kategoriassa. Se on listattu Railwailissa, mutta sitä ei voi tällä hetkellä suorittaa.

Paljonko Cartesia Sonic maksaa Railwailissa?

Cartesia Sonicta ei voi tällä hetkellä suorittaa Railwailissa, joten nykyistä hintaa ei ole. Saatavilla olevat vaihtoehdot hintojen kanssa on lueteltu tämän sivun alempana.

Mitä asetuksia Cartesia Sonic tukee?

Syötteen rakenteen mukaan Cartesia Sonic tuntee nämä parametrit: input (enintään 4 000 merkkiä), speed (0,5–2), voice (sonic-default, neutral-male, neutral-female, warm-female tai british-male) ja response_format (mp3, wav tai opus).

Kuinka nopea Cartesia Sonic on?

Cartesia Soniclla ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.

Onko Cartesia Sonic parempi kuin AudioLDM 2?

Se riippuu tehtävästä. Cartesia Sonic (Other) ja AudioLDM 2 (Haohe Liu) ovat molemmat malleja Teksti puheeksi-kategoriassa. Vertailussa näkyvät niiden hinnat ja tekniset tiedot rinnakkain.

Vertaa Cartesia Sonic ja AudioLDM 2

Voiko Cartesia Sonica käyttää juuri nyt?

Ei tällä hetkellä saatavilla. Sivu pysyy verkossa; saatavilla olevat vaihtoehdot samasta kategoriasta on lueteltu alempana.

Kaikki mallit yhden API:n kautta

Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.