Cartesia Sonic

Синтез мовлення (TTS)Недоступно
від OtherID моделі: cartesia-sonic

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

Статус
Недоступно
Вхід → вихід
Текст → Аудіо
Розробник
Other
Оновлено
23 вересня 2026 р.

Cartesia Sonic наразі недоступна

Ви можете прочитати деталі на цій сторінці. Виберіть одну з доступних альтернатив нижче, щоб одразу запустити порівняну модель.

До альтернатив
01

Порівнювані моделі

Усі в цій категорії
02

Playground

Спробувати Cartesia Sonic

Введення та результат

Наразі недоступна

Наразі недоступно.

Playground вимкнено. Порівняльні моделі ви знайдете в тій же категорії: Переглянути альтернативи

Спробувати Cartesia Sonic

0 / 4 000

Розширені налаштування (2)
Результат
Згенероване мовлення з'явиться тут.

Цей запуск

Без ціни – наразі недоступно.

Новенький?

10 безплатних кредитів (0,10 USD) при реєстрації через Google

Доступно 24 годин після реєстрації, до 5 запусків на день і максимум 2 кредитів за запуск. Інші способи входу стартують без кредитів.

03

Про Cartesia Sonic

КороткоСтаном на 23 вересня 2026 р.

Cartesia Sonic — це модель від Other у категорії Синтез мовлення (TTS). На Railwail Cartesia Sonic наразі недоступна.

Фон

Про Cartesia AI

Засновано 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.

Відвідати Cartesia AI

Архітектура

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.

Параметри
Undisclosed
Контекст
24 000 токенів

Можливості

  • 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

Навчання та ліцензія

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

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

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

Відомі обмеження

  • 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

Ціни

Наразі недоступно. Наразі для цієї моделі немає ціни, тому її не можна запустити.

05

API

Викличте Cartesia Sonic за допомогою вашого API-ключа Railwail. Використовуйте цей ID моделі в запиті:

Немає перевіреного прикладу API

Публічний API передає інший формат введення, ніж потребує ця модель. Використовуйте playground вище.

06

Характеристики

ID моделі
cartesia-sonic
Розробник
Other
Вхідні дані
Текст
Вихідні дані
Аудіо
Формати вихідних даних
MP3, WAV, OPUS
Розмір моделі
Undisclosed
Ліцензія
Proprietary commercial API. Voice clones produced from customer audio remain customer property under the Terms of Service; commercial use is permitted on paid tiers.
Запис у каталозі оновлено
23 вересня 2026 р.

Вхідні параметри

Вхідні дані та налаштування зі схеми вхідних даних моделі. Приклад у розділі API показує, які з них приймає API.

  • inputобов'язково

    Text to convert to speech

    Тип: Текст
    За замовчуванням: –
    Допустимі значення: до 4 000 символів
  • speed
    Тип: Число
    За замовчуванням: 1
    Допустимі значення: 0,5 до 2
  • voice
    Тип: Вибір
    За замовчуванням: sonic-default
    Допустимі значення: sonic-default, neutral-male, neutral-female, warm-female або british-male
  • response_format
    Тип: Вибір
    За замовчуванням: mp3
    Допустимі значення: mp3, wav або opus

Теги

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

Варіанти використання

Для чого це використовується

  • 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

Часті питання

Що таке Cartesia Sonic?

Cartesia Sonic — це модель від Other у категорії Синтез мовлення (TTS). Вона внесена до каталогу Railwail, але наразі не може бути запущена.

Скільки коштує Cartesia Sonic на Railwail?

Cartesia Sonic наразі не можна запустити на Railwail, тому поточної ціни немає. Доступні альтернативи з цінами наведені далі на цій сторінці.

Які налаштування підтримує Cartesia Sonic?

Згідно зі схемою введення, Cartesia Sonic знає такі параметри: input (до 4 000 символів), speed (0,5 до 2), voice (sonic-default, neutral-male, neutral-female, warm-female або british-male) і response_format (mp3, wav або opus).

Наскільки швидкий Cartesia Sonic?

На Railwail поки що недостатньо виміряних запусків Cartesia Sonic, щоб вказати час виконання. Це залежить від введення, налаштувань та навантаження у постачальника.

Чи Cartesia Sonic краще за AudioLDM 2?

Це залежить від завдання. Cartesia Sonic (Other) і AudioLDM 2 (Haohe Liu) — обидві моделі в категорії Синтез мовлення (TTS). На сторінці порівняння показані їхні ціни та специфікації поруч.

Порівняти Cartesia Sonic і AudioLDM 2

Чи можу я використовувати Cartesia Sonic прямо зараз?

Наразі недоступно. Сторінка залишається в мережі; доступні альтернативи з тієї ж категорії наведені далі.

Усі моделі через один API

Один API-ключ для всіх моделей на Railwail. Використання оплачується з попередньо поповнених кредитів, 1 кредит = 0,01 USD.