Cartesia Sonic

Sintesi vocale (TTS)Non disponibile
di OtherID modello: cartesia-sonic

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

Stato
Non disponibile
Input → output
Testo → Audio
Sviluppatore
Other
Aggiornato
23 settembre 2026

Cartesia Sonic non è attualmente disponibile

Puoi comunque leggere i dettagli su questa pagina. Scegli una delle alternative disponibili di seguito per eseguire subito un modello comparabile.

Vai alle alternative
01

Modelli comparabili

Tutti in questa categoria
02

Playground

Prova Cartesia Sonic

Input e output

Attualmente non disponibile

Attualmente non disponibile.

Il playground è disabilitato. Trovi modelli comparabili nella stessa categoria: Visualizza alternative

Prova Cartesia Sonic

0 / 4000

Impostazioni avanzate (2)
Risultato
La voce generata appare qui.

Questa esecuzione

Nessun prezzo – attualmente non disponibile.

Nuovo qui?

10 crediti gratuiti (0,10 USD) quando ti iscrivi con Google

Utilizzabile 24 ore dopo l'iscrizione, fino a 5 esecuzioni al giorno e al massimo 2 crediti per esecuzione. Altri metodi di accesso iniziano senza crediti.

03

Informazioni su Cartesia Sonic

RiassuntoA partire da 23 settembre 2026

Cartesia Sonic è un modello di Other nella categoria Sintesi vocale (TTS). Cartesia Sonic non è attualmente disponibile su Railwail.

Sfondo

Informazioni su Cartesia AI

Fondato 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.

Visita Cartesia AI

Architettura

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.

Parametri
Undisclosed
Contesto
24.000 token

Capacità

  • 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

Addestramento e licenza

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

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

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

Limitazioni note

  • 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

Prezzi

Attualmente non disponibile. Al momento non c'è un prezzo per questo modello, quindi non può essere eseguito.

05

API

Chiama Cartesia Sonic con la tua chiave API Railwail. Usa questo ID modello nella richiesta:

Nessun esempio API verificato

L'API pubblica passa un formato di input diverso da quello richiesto da questo modello. Usa il playground sopra.

06

Specifiche

ID modello
cartesia-sonic
Sviluppatore
Other
Input
Testo
Output
Audio
Formati di output
MP3, WAV, OPUS
Dimensione del modello
Undisclosed
Licenza
Proprietary commercial API. Voice clones produced from customer audio remain customer property under the Terms of Service; commercial use is permitted on paid tiers.
Voce di catalogo aggiornata
23 settembre 2026

Parametri di input

Input e impostazioni dallo schema di input del modello. L'esempio nella sezione API mostra quali di essi l'API accetta.

  • inputObbligatorio

    Text to convert to speech

    Tipo: Testo
    Predefinito: –
    Valori consentiti: fino a 4000 caratteri
  • speed
    Tipo: Numero
    Predefinito: 1
    Valori consentiti: 0,5 a 2
  • voice
    Tipo: Scelta
    Predefinito: sonic-default
    Valori consentiti: sonic-default, neutral-male, neutral-female, warm-female o british-male
  • response_format
    Tipo: Scelta
    Predefinito: mp3
    Valori consentiti: mp3, wav o opus

Etichette

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

Casi d'uso

A cosa serve

  • 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

Domande frequenti

Cos'è Cartesia Sonic?

Cartesia Sonic è un modello di Other nella categoria Sintesi vocale (TTS). È elencato su Railwail ma non può essere eseguito al momento.

Quanto costa Cartesia Sonic su Railwail?

Cartesia Sonic non può essere eseguito su Railwail al momento, quindi non c'è un prezzo attuale. Le alternative disponibili con i prezzi sono elencate più in basso in questa pagina.

Quali impostazioni supporta Cartesia Sonic?

Secondo il suo schema di input, Cartesia Sonic conosce questi parametri: input (fino a 4000 caratteri), speed (0,5 a 2), voice (sonic-default, neutral-male, neutral-female, warm-female o british-male) e response_format (mp3, wav o opus).

Quanto è veloce Cartesia Sonic?

Non ci sono ancora abbastanza esecuzioni misurate di Cartesia Sonic su Railwail per indicare un tempo di esecuzione. Dipende dall'input, dalle impostazioni e dal carico presso il provider.

Cartesia Sonic è migliore di AudioLDM 2?

Dipende dall'attività. Cartesia Sonic (Other) e AudioLDM 2 (Haohe Liu) sono entrambi modelli nella categoria Sintesi vocale (TTS). La pagina di confronto mostra i loro prezzi e le specifiche affiancati.

Confronta Cartesia Sonic e AudioLDM 2

Posso usare Cartesia Sonic adesso?

Attualmente non disponibile. La pagina rimane online; le alternative disponibili della stessa categoria sono elencate più in basso.

Tutti i modelli tramite un'API

Una chiave API per tutti i modelli su Railwail. L'utilizzo viene addebitato da crediti prepagati, 1 credito = 0,01 USD.