Texto a voz realista

Voz generada que el oyente percibe como grabada en lugar de sintetizada. Sonic, el modelo de texto a voz de Cartesia, interpreta las frases de tu texto, transmite audio a medida que lo genera y resuelve los números, identificadores y siglas que hacen que los guiones suenen escritos por personas. Las voces que escuchas en esta página son las mismas que están disponibles en Playground y mediante la API.

Sobre todo, la interpretación. Una voz se delata al enfatizar la palabra equivocada, hacer una pausa donde no corresponde, terminar una pregunta con entonación descendente o tropezar con unas siglas. La pronunciación es el mínimo; la prosodia marca la diferencia. Nuestro artículo de evaluación, ¿Es bueno este modelo de TTS?, muestra pares de clips con la misma precisión de palabras que suenan claramente distintos.

En las pruebas públicas a ciegas que conocemos, Sonic: ocupa el número 1 en la clasificación de voz controlada de Artificial Analysis y la clasificación de voz del proveedor desde el lanzamiento de Sonic-3.6 en septiembre de 2026, y los oyentes de pruebas a ciegas lo sitúan primero en VoiceArena. Las clasificaciones se actualizan cuando se publican nuevos modelos, así que consulta las posiciones actuales en lugar de fiarte de una sola página, incluida esta.

Sí, y tiene que hacerlo. Una voz que solo suena bien en archivos pregenerados sirve para narrar, no para conversar. Sonic transmite audio mientras lo genera con una latencia del modelo inferior a 90 ms; por eso las mismas voces se usan en Managed Agents para llamadas en directo. Las personas ceden el turno de palabra en unos 200 milisegundos, así que una pausa es lo primero que rompe la ilusión.

Sonic es multilingüe de forma nativa, en lugar de traducir palabra por palabra, y ofrece voces en más de 40 idiomas. El realismo se evalúa en cada idioma: elige una voz adecuada para el idioma de destino, aporta un guion traducido y pide a alguien que domine el idioma que evalúe el resultado. La biblioteca de idiomas incluye muestras de cada uno.

Sí, con el permiso de quien habla. La clonación de voz crea una voz a partir de una muestra: una grabación breve para un clon instantáneo, o grabaciones más largas para un clon de mayor fidelidad que conserve tu ritmo y énfasis. Prueba el clon con tu guion real antes de usarlo en un proyecto.

Sí. Los planes de pago de Cartesia incluyen una licencia de uso comercial con límites que dependen del plan; consulta los precios y las condiciones de tu proyecto. Aun así, necesitas los derechos sobre el guion y cualquier voz que clones; una suscripción no te da permiso para usar la voz de otra persona.