Cartesia Sonic

Conversão de texto em falaIndisponível
por OtherID do modelo: cartesia-sonic

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

Status
Indisponível
Entrada → Saída
Texto → Áudio
Desenvolvedor
Other
Atualizado
23 de setembro de 2026

Cartesia Sonic não está disponível no momento

Você ainda pode ler os detalhes nesta página. Escolha uma das alternativas disponíveis abaixo para executar um modelo comparável imediatamente.

Ir para alternativas
01

Modelos comparáveis

Todos nesta categoria
02

Playground

Experimentar Cartesia Sonic

Entrada & saída

Indisponível no momento

Atualmente indisponível.

O playground está desativado. Encontre modelos comparáveis na mesma categoria: Ver alternativas

Experimentar Cartesia Sonic

0 / 4.000

Configurações avançadas (2)
Resultado
A fala gerada aparece aqui.

Esta execução

Sem preço – indisponível no momento.

Novo por aqui?

10 créditos grátis (US$ 0,10) ao se inscrever com Google

Utilizável 24 horas após inscrição, até 5 execuções por dia e no máximo 2 créditos por execução. Outros métodos de login começam sem créditos.

03

Sobre Cartesia Sonic

ResumoA partir de 23 de setembro de 2026

Cartesia Sonic é um modelo de Other na categoria Conversão de texto em fala. Cartesia Sonic não está disponível no Railwail no momento.

Fundo

Sobre Cartesia AI

Fundado em 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.

Visite Cartesia AI

Arquitetura

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.

Parâmetros
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

Treinamento & licença

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

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

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

Limitações conhecidas

  • 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

Preços

Atualmente indisponível. Não há preço para este modelo no momento, portanto não pode ser executado.

05

API

Chame Cartesia Sonic com sua chave de API Railwail. Use este ID de modelo na solicitação:

Nenhum exemplo de API verificado

A API pública passa um formato de entrada diferente do que este modelo precisa. Use o playground acima.

06

Especificações

ID do modelo
cartesia-sonic
Desenvolvedor
Other
Entrada
Texto
Saída
Áudio
Formatos de saída
MP3, WAV, OPUS
Tamanho do modelo
Undisclosed
Licença
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 do catálogo atualizada
23 de setembro de 2026

Parâmetros de entrada

Entradas e configurações do esquema de entrada do modelo. O exemplo na seção API mostra quais delas a API aceita.

  • inputobrigatório

    Text to convert to speech

    Tipo: Texto
    Padrão: –
    Valores permitidos: até 4.000 caracteres
  • speed
    Tipo: Número
    Padrão: 1
    Valores permitidos: 0,5 a 2
  • voice
    Tipo: Escolha
    Padrão: sonic-default
    Valores permitidos: sonic-default, neutral-male, neutral-female, warm-female ou british-male
  • response_format
    Tipo: Escolha
    Padrão: mp3
    Valores permitidos: mp3, wav ou opus

Etiquetas

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

Casos de uso

Para que é utilizado

  • 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

Perguntas frequentes

O que é Cartesia Sonic?

Cartesia Sonic é um modelo de Other na categoria Conversão de texto em fala. Está listado no Railwail, mas não pode ser executado no momento.

Quanto custa Cartesia Sonic no Railwail?

Cartesia Sonic não pode ser executado no Railwail no momento, portanto não há preço atual. Alternativas disponíveis com preços estão listadas mais abaixo nesta página.

Quais configurações Cartesia Sonic suporta?

De acordo com seu esquema de entrada, Cartesia Sonic conhece estes parâmetros: input (até 4.000 caracteres), speed (0,5 a 2), voice (sonic-default, neutral-male, neutral-female, warm-female ou british-male) e response_format (mp3, wav ou opus).

Qual é a velocidade de Cartesia Sonic?

Ainda não há execuções medidas suficientes de Cartesia Sonic no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.

Cartesia Sonic é melhor que AudioLDM 2?

Depende da tarefa. Cartesia Sonic (Other) e AudioLDM 2 (Haohe Liu) são ambos modelos na categoria Conversão de texto em fala. A página de comparação mostra seus preços e especificações lado a lado.

Comparar Cartesia Sonic e AudioLDM 2

Posso usar Cartesia Sonic agora?

Atualmente indisponível. A página permanece online; alternativas disponíveis da mesma categoria estão listadas mais abaixo.

Todos os modelos através de uma API

Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.