Las cifras de Fish Audio son sospechosas.

La puntuación proviene de Artificial Analysis, un benchmark independiente. Los oyentes escuchan dos clips de la misma frase sin saber qué modelo los produjo y eligen su preferido. En Provider Voice Arena, cada modelo usa sus propias voces: el catálogo cuenta junto al modelo. Sonic 3.6 es primero de los 94 modelos evaluados y primero en Controlled Voice Arena, que da a todos el mismo conjunto de voces clonadas.

Sonic 3.5 devuelve el primer audio en menos de 90ms y sus llamadas más lentas quedan a menos de 43ms del promedio. En un agente de voz, la dispersión importa tanto como el promedio: un modelo normalmente rápido pero a veces lento hace que quien llama empiece a hablar sobre él.

Sí. Cartesia se despliega en las instalaciones y en redes aisladas. Equipos de sanidad, finanzas y administraciones lo usan para mantener el audio en su propia red, con un SLA de disponibilidad del 99.9%.

Una o dos semanas para la mayoría de los equipos. Cartesia se integra con las principales plataformas de agentes de voz y todos los modelos están en la API pública. No hace falta adoptar otra plataforma ni deshacer dependencias después.