In Cartesia investiamo nei progressi fondamentali delle architetture e degli algoritmi IA, perché sono ciò che permette salti nelle capacità dei modelli.
Sonic-3.6 riunisce i nostri ultimi progressi nelle architetture che imparano efficientemente dall’audio multilingue durante preaddestramento e post-addestramento. Migliora molto naturalezza e qualità rispetto a Sonic-3.5: gli ascoltatori lo preferiscono fino al 93% dei confronti diretti alla cieca in quindici varianti locali.
All’inizio dell’anno abbiamo scommesso che, per fare la migliore ricerca al mondo, servisse ripensare tutto dai principi fondamentali invece di ritoccare gradualmente il paradigma esistente. Da allora abbiamo ricostruito dati, architettura, addestramento e valutazione con nuove idee. Ora vediamo i risultati.
Sonic-3.6 arriva solo due mesi dopo Sonic-3.5 e conquista di nuovo il primo posto su Artificial Analysis, sia nella classifica a voce controllata sia in quella delle voci dei fornitori. Nella classifica controllata, il modello che superiamo è Sonic-3.5. Superare noi stessi mentre nessun altro fornitore ha colmato il divario mostra l’accelerazione della nostra ricerca.
Sempre più vicino al parlato naturale
Per chi gestisce la voce su larga scala, la naturalezza decide se il cliente resta in linea. Una voce anche solo leggermente sintetica fa perdere fiducia e chiedere una persona. Abbiamo costruito Sonic-3.6 per suonare naturale e nativo abbastanza da mantenere la conversazione in 44 lingue.
In inglese statunitense, gli ascoltatori hanno scelto Sonic-3.6 rispetto a Eleven v3 nel 92% dei confronti diretti alla cieca, grazie a intonazione migliore, qualità vocale superiore ed emozione guidata dal contesto. Legge una frase come dovrebbe essere ascoltata e adatta l’interpretazione al contesto come una persona. Gli esempi mantengono registrazioni e trascrizioni nella lingua originale.
I understand things are difficult right now. We can start with a smaller amount, around $35 a month, and adjust it later. There's no pressure to commit to more than you can manage.
Eleven v3
Sonic-3.6
¿Hablas español?
Abbiamo sempre considerato l’inglese un requisito di base. Suonare nativi in ogni altra lingua o accento è però la vera frontiera che decide se l’IA vocale rimarrà soprattutto una tecnologia inglese o diventerà qualcosa con cui tutto il mondo può parlare. La maggior parte dei modelli è comprensibile all’estero, ma pochi rendono in modo convincente accento, tono e pronuncia locale di nomi e luoghi.
Abbiamo testato Sonic-3.6 come lo giudicherebbe un cliente: ascoltandolo in ogni lingua contro i principali concorrenti. I gruppi di madrelingua lo hanno preferito nei confronti diretti in tutte le lingue principali testate.
Preferenza dei madrelingua
Confronto diretto alla cieca con il principale concorrente in ogni variante locale.
Nota metodologica: per ogni lingua abbiamo usato il principale concorrente e scelto una voce Sonic-3.6 comparabile. Abbiamo generato audio da testi identici e chiesto a gruppi di madrelingua di valutare ogni coppia alla cieca. Quota di voti = vittorie del modello ÷ totale dei voti validi
Questi miglioramenti ampliano ciò che è possibile nelle diverse lingue:
- Maggiore copertura: 61 varianti locali, di cui 11 indiche, e oltre 500 voci predefinite già disponibili, più due nuove lingue, odia e urdu, entrambe lanciate con accuratezza del testo superiore al 96%.
- Supporto Hinglish: alterna hindi e inglese nella stessa generazione con testi in devanagari, alfabeto latino o entrambi.
- Migliore fedeltà all’accento nei cloni istantanei: Sonic-3.6 mantiene molto meglio l’accento del parlante, anche quelli meno diffusi.
- Consapevolezza della variante locale: imposta il campo facoltativo locale per leggere date, orari e numeri come li direbbe una persona del luogo.
Alterna naturalmente hindi e inglese:
हमारी टीम ने पिछले quarter में customer feedback के आधार पर 12/08/2026 को नया mobile app launch किया, जिससे revenue में लगभग पंद्रह प्रतिशत की growth देखी गई।
Dimostrazione Hinglish
Legge la data come una persona australiana:
Right, so I've confirmed your Qantas booking, QF11, departing Sydney on 21/07/2026. You're in seat 32A, you've got one checked bag at twenty-three kilos, and check-in opens three hours before the 9:50am departure.
Inglese australiano
Costruito per la produzione
La naturalezza può convincere nella dimostrazione, ma la chiamata reale è il vero test. Sonic-3.6 è costruito per carichi aziendali su larga scala:
- Risponde in meno di 90ms e genera quasi 2 volte più velocemente di v3 Conversational, 132 contro 68 caratteri al secondo.
- Funziona su larga scala nel cloud, on-premise e su endpoint localizzati, con SLA di disponibilità del 99.9%.
- Supporta oggi milioni di chiamate in produzione con l’affidabilità richiesta da quel volume.
- Si distribuisce nel tuo cloud tramite Baseten, Amazon SageMaker o Together AI, così l’audio non deve uscire dalla tua infrastruttura.
- Rispetta i requisiti di conformità aziendali, inclusi SOC 2, PCI, HIPAA e GDPR.
- Si adatta al marchio con l’aiuto diretto del nostro team per sviluppare e trovare la tua voce personalizzata.
Ascoltalo
Sonic-3.6 è ora disponibile per tutti nel Playground o tramite API.
Provalo presto, però. Al ritmo a cui andiamo, potremmo pubblicarne un altro prima che tu finisca l’integrazione.