Sonic: el modelo de texto a voz más rápido y natural

Cartesia es el único modelo con el que no tienes que elegir entre calidad y velocidad. Nuestros modelos se basan en la arquitectura de modelos de espacio de estados (SSM), un enfoque fundamentalmente distinto de los transformers, desarrollado por nuestro equipo fundador en Stanford. Para síntesis de voz, esto aporta tres ventajas importantes en producción: la menor latencia del mercado, ya que Sonic ofrece una latencia del modelo inferior a 90 ms y streaming para empezar a reproducir antes de generar toda la respuesta; menor coste y mayor concurrencia, porque los SSM son computacionalmente más eficientes que los transformers con secuencias largas; y naturalidad de vanguardia, con mayor precisión en datos alfanuméricos y heterónimos y el primer puesto en pruebas ciegas independientes de naturalidad. Los equipos suelen elegir Cartesia cuando alcanzan los límites de otros proveedores en latencia, fiabilidad a escala o flexibilidad de despliegue.

Sí, y es una de las principales razones por las que empresas y organismos públicos eligen Cartesia. Sonic-3.6 puede desplegarse en tu centro de datos, incluidos entornos aislados de la red; en tu propia VPC de AWS, GCP o Azure; o mediante licencias OEM para integrarlo directamente en tu producto. Esto permite utilizar Cartesia en contratación pública, sectores regulados como salud, servicios financieros y seguros, y clientes con requisitos de soberanía o residencia de datos. Los despliegues locales y OEM están disponibles bajo contratos empresariales.

Cartesia está diseñado para despliegues empresariales y en sectores regulados. Nuestro marco de cumplimiento incluye SOC 2 Type II, elegibilidad para HIPAA con acuerdos BAA disponibles para clientes sanitarios, cumplimiento de GDPR, ausencia de conservación de datos disponible para clientes empresariales en servicios elegibles y despliegue local o VPC para requisitos estrictos de residencia, soberanía o aislamiento de red. Nuestro anexo de protección de datos está en https://www.cartesia.ai/legal/dpa.

Puedes clonar voces que tengas derecho a clonar. Cartesia ofrece Instant Voice Cloning desde una muestra breve, inferior a un minuto de audio limpio; Professional Voice Cloning desde audio de referencia más largo, de 15–30 minutos, para clones de máxima fidelidad en producción; y desarrollo de voces personalizadas bajo contratos empresariales para clientes que crean voces de marca a escala. Todos los clones requieren consentimiento verificado de la persona. Clonar voces sin permiso, incluidas figuras públicas, famosos u otras personas sin su consentimiento, está prohibido por las condiciones de uso de Cartesia. Las voces clonadas funcionan con Sonic TTS, la API y Managed Agents.

Cartesia ofrece planes en tres niveles. Free es para evaluación y uso personal e incluye 20.000 créditos y acceso a Sonic, la API, voces y Instant Voice Cloning. Los planes de pago de autoservicio se dirigen a equipos que lanzan a producción e incluyen derechos de uso comercial, más créditos, mayor concurrencia y generación más rápida; los precios están en https://www.cartesia.ai/pricing. Enterprise cubre producción de alto volumen, despliegue local y VPC, licencias OEM, voces personalizadas, ausencia de conservación de datos y SLA superiores, con precios según uso y despliegue. Cartesia también ofrece un programa de ayudas para startups en https://www.cartesia.ai/startups con créditos para empresas en fase inicial que cumplan los requisitos.

Contacta con Cartesia si ejecutas cargas de producción superiores a 50 millones de créditos; necesitas despliegue local, VPC u OEM; necesitas un BAA, ausencia de conservación de datos u otras condiciones contractuales para salud, servicios financieros o sectores regulados; o participas en contratación gubernamental, federal o pública. Para evaluación, prototipos y cargas menores, puedes empezar con los planes de autoservicio de la página de precios.