Cartesia Sonic

Синтез речи (TTS)Недоступно
от OtherID модели: cartesia-sonic

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

Статус
Недоступно
Вход → выход
Текст → Аудио
Разработчик
Other
Обновлено
23 сентября 2026 г.

Cartesia Sonic сейчас недоступна

Вы можете прочитать подробности на этой странице. Выберите одну из доступных альтернатив ниже, чтобы сразу запустить сравнимую модель.

К альтернативам
01

Сравнимые модели

Все в этой категории
02

Playground

Попробовать Cartesia Sonic

Входные данные и результат

Сейчас недоступна

Недоступно.

Playground отключен. Сравнимые модели найдёте в той же категории: Посмотреть альтернативы

Попробовать Cartesia Sonic

0 / 4 000

Дополнительные параметры (2)
Результат
Сгенерированная речь появится здесь.

Этот запуск

Нет цены – сейчас недоступно.

Впервые здесь?

10 бесплатных кредитов (0,10 $) при регистрации через Google

Доступно 24 часов после регистрации, до 5 запусков в день и максимум 2 кредитов за запуск. Другие способы входа начинают без кредитов.

03

О Cartesia Sonic

КороткоПо состоянию на 23 сентября 2026 г.

Cartesia Sonic — это модель от Other в категории Синтез речи (TTS). Cartesia Sonic сейчас недоступна на Railwail.

Фон

О Cartesia AI

Основана в 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.

Посетить Cartesia AI

Архитектура

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.

Параметры
Undisclosed
Контекст
24 000 токенов

Возможности

  • 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

Обучение и лицензия

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

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

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

Известные ограничения

  • 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

Цены

Недоступно. На данный момент для этой модели нет цены, поэтому её нельзя запустить.

05

API

Вызовите Cartesia Sonic с помощью вашего API-ключа Railwail. Используйте этот ID модели в запросе:

Нет проверенного примера API

Публичный API передает другой формат входных данных, чем требует эта модель. Используйте playground выше.

06

Спецификации

ID модели
cartesia-sonic
Разработчик
Other
Категория
Синтез речи (TTS)
Входные данные
Текст
Выходные данные
Аудио
Форматы выходных данных
MP3, WAV, OPUS
Размер модели
Undisclosed
Лицензия
Proprietary commercial API. Voice clones produced from customer audio remain customer property under the Terms of Service; commercial use is permitted on paid tiers.
Запись в каталоге обновлена
23 сентября 2026 г.

Входные параметры

Входные данные и параметры из схемы входных данных модели. Пример в разделе API показывает, какие из них принимает API.

  • inputобязательно

    Text to convert to speech

    Тип: Текст
    По умолчанию: –
    Допустимые значения: до 4 000 символов
  • speed
    Тип: Число
    По умолчанию: 1
    Допустимые значения: от 0,5 до 2
  • voice
    Тип: Выбор
    По умолчанию: sonic-default
    Допустимые значения: sonic-default, neutral-male, neutral-female, warm-female или british-male
  • response_format
    Тип: Выбор
    По умолчанию: mp3
    Допустимые значения: mp3, wav или opus

Теги

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

Применение

Для чего это используется

  • 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

Часто задаваемые вопросы

Что такое Cartesia Sonic?

Cartesia Sonic — модель от Other в категории Синтез речи (TTS). Модель указана в каталоге Railwail, но сейчас её нельзя запустить.

Сколько стоит Cartesia Sonic на Railwail?

Cartesia Sonic сейчас нельзя запустить на Railwail, поэтому текущей цены нет. Доступные альтернативы с ценами указаны ниже на этой странице.

Какие параметры поддерживает Cartesia Sonic?

Согласно схеме входных данных, Cartesia Sonic поддерживает эти параметры: input (до 4 000 символов), speed (от 0,5 до 2), voice (sonic-default, neutral-male, neutral-female, warm-female или british-male) и response_format (mp3, wav или opus).

Насколько быстра Cartesia Sonic?

На Railwail пока недостаточно измеренных запусков Cartesia Sonic, чтобы указать время выполнения. Оно зависит от входных данных, параметров и нагрузки на провайдера.

Cartesia Sonic лучше, чем AudioLDM 2?

Это зависит от задачи. Cartesia Sonic (Other) и AudioLDM 2 (Haohe Liu) — обе модели в категории Синтез речи (TTS). На странице сравнения показаны их цены и характеристики рядом.

Сравнить Cartesia Sonic и AudioLDM 2

Могу ли я использовать Cartesia Sonic прямо сейчас?

Недоступно. Страница остаётся в сети; доступные альтернативы из той же категории указаны ниже.

Все модели через один API

Один API-ключ для всех моделей на Railwail. Использование оплачивается из предоплаченных кредитов, 1 кредит = 0,01 $.