Cartesia Sonic

Síntesis de vozNo disponible
de OtherID del modelo: cartesia-sonic

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

Estado
No disponible
Entrada → Salida
Texto → Audio
Desarrollador
Other
Actualizado
23 de septiembre de 2026

Cartesia Sonic no está disponible en este momento

Puedes seguir leyendo los detalles en esta página. Elige una de las alternativas disponibles abajo para ejecutar un modelo comparable de inmediato.

Ir a alternativas
01

Modelos comparables

Todos en esta categoría
02

Playground

Probar Cartesia Sonic

Entrada y salida

No disponible actualmente

Actualmente no disponible.

El área de pruebas está desactivada. Encuentra modelos comparables en la misma categoría: Explorar alternativas

Probar Cartesia Sonic

0 / 4,000

Configuración avanzada (2)
Resultado
La voz generada aparece aquí.

Esta ejecución

Sin precio – actualmente no disponible.

¿Nuevo aquí?

10 créditos gratis (USD 0.10) cuando te registras con Google

Utilizable 24 horas después del registro, hasta 5 ejecuciones por día y como máximo 2 créditos por ejecución. Otros métodos de inicio de sesión comienzan sin créditos.

03

Acerca de Cartesia Sonic

ResumenA partir de 23 de septiembre de 2026

Cartesia Sonic es un modelo de Other en la categoría Síntesis de voz. Cartesia Sonic no está disponible en Railwail en este momento.

Fondo

Acerca de Cartesia AI

Fundado en 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.

Visitar Cartesia AI

Arquitectura

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.

Parámetros
Undisclosed
Contexto
24,000 tokens

Capacidades

  • 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

Entrenamiento y licencia

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

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

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

Limitaciones conocidas

  • 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

Precios

Actualmente no disponible. No hay precio para este modelo en este momento, por lo que no se puede ejecutar.

05

API

Llama a Cartesia Sonic con tu clave de API de Railwail. Usa este ID de modelo en la solicitud:

Sin ejemplo de API verificado

La API pública pasa un formato de entrada diferente al que necesita este modelo. Usa el playground anterior.

06

Especificaciones

ID del modelo
cartesia-sonic
Desarrollador
Other
Entrada
Texto
Salida
Audio
Formatos de salida
MP3, WAV, OPUS
Tamaño del modelo
Undisclosed
Licencia
Proprietary commercial API. Voice clones produced from customer audio remain customer property under the Terms of Service; commercial use is permitted on paid tiers.
Entrada del catálogo actualizada
23 de septiembre de 2026

Parámetros de entrada

Entradas y configuraciones del esquema de entrada del modelo. El ejemplo en la sección API muestra cuáles de ellas acepta la API.

  • inputrequerido

    Text to convert to speech

    Tipo: Texto
    Predeterminado: –
    Valores permitidos: hasta 4,000 caracteres
  • speed
    Tipo: Número
    Predeterminado: 1
    Valores permitidos: 0.5 a 2
  • voice
    Tipo: Opción
    Predeterminado: sonic-default
    Valores permitidos: sonic-default, neutral-male, neutral-female, warm-female o british-male
  • response_format
    Tipo: Opción
    Predeterminado: mp3
    Valores permitidos: mp3, wav u opus

Etiquetas

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

Casos de uso

Para qué se utiliza

  • 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

Preguntas frecuentes

¿Qué es Cartesia Sonic?

Cartesia Sonic es un modelo de Other en la categoría Síntesis de voz. Está listado en Railwail pero no se puede ejecutar en este momento.

¿Cuánto cuesta Cartesia Sonic en Railwail?

Cartesia Sonic no se puede ejecutar en Railwail en este momento, por lo que no hay precio actual. Las alternativas disponibles con precios se enumeran más abajo en esta página.

¿Qué configuraciones admite Cartesia Sonic?

Según su esquema de entrada, Cartesia Sonic conoce estos parámetros: input (hasta 4,000 caracteres), speed (0.5 a 2), voice (sonic-default, neutral-male, neutral-female, warm-female o british-male) y response_format (mp3, wav u opus).

¿Qué tan rápido es Cartesia Sonic?

Aún no hay suficientes ejecuciones medidas de Cartesia Sonic en Railwail para indicar un tiempo de ejecución. Depende de la entrada, la configuración y la carga en el proveedor.

¿Es Cartesia Sonic mejor que AudioLDM 2?

Eso depende de la tarea. Cartesia Sonic (Other) y AudioLDM 2 (Haohe Liu) son ambos modelos en la categoría Síntesis de voz. La página de comparación muestra sus precios y especificaciones lado a lado.

Comparar Cartesia Sonic y AudioLDM 2

¿Puedo usar Cartesia Sonic ahora mismo?

Actualmente no disponible. La página permanece en línea; las alternativas disponibles de la misma categoría se enumeran más abajo.

Todos los modelos a través de una API

Una clave API para todos los modelos en Railwail. El uso se cobra con créditos prepagados, 1 crédito = USD 0.01.