Los oyentes valoran Sonic 3.6 de Cartesia por encima de todos los modelos Inworld Realtime TTS-2.

Los oyentes valoran mejor Sonic 3.6. En Artificial Analysis Provider Voice Arena, donde los oyentes comparan dos clips sin saber qué modelo generó cada uno, Sonic 3.6 obtiene 1279 frente a 1249 de Realtime TTS-2 y 1217 de Realtime TTS-2 Flash, a octubre de 2026.

Viene de Artificial Analysis, un benchmark independiente. Los oyentes escuchan dos clips de la misma frase sin saber qué modelo generó cada uno, y eligen el que prefieren. Provider Voice Arena deja que cada modelo hable con sus propias voces.

44 idiomas en un modelo, incluidos inglés, español, francés, alemán y japonés. Los acentos se ajustan por región en vez de añadirse a un modelo inglés: la voz en español de Ciudad de México no es la de Madrid.

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.