Gli ascoltatori valutano Sonic 3.6 di Cartesia sopra Deepgram Flux TTS.

Cartesia mantiene anche una dispersione della latenza più contenuta di Aura-2 e Flux TTS, così meno turni bloccano la chiamata.

2X Solutions logo
arini logo
toby logo

Artificial AnalysisAl 1º posto su Speech Arena

Ascolta perché gli ascoltatori preferisconoCartesia a Deepgram

Sonic 3.6 di Cartesia è valutato sopra Deepgram Flux TTS nei test di ascolto alla cieca di Artificial Analysis.

Prova Cartesia gratis

“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.”

Flux TTS

Sonic 3.6

Qualità vocale

Sonic 3.6 suona più naturale di Flux TTS

  • Artificial Analysis fa ascoltare due clip della stessa frase senza indicare nessuno dei due modelli e valuta tutti i modelli della classifica nello stesso modo.
  • Sonic 3.6 supera Deepgram Flux TTS di oltre 200 punti.

Elo di Provider Voice Arena

Un valore più alto è migliore

Artificial AnalysisOttobre 2026
1291
1053
Sonic 3.6
Cartesia
Flux TTS
Deepgram

Costanza della latenza

Le chiamate più lente di Sonic 3.5 restano vicine alle più veloci

  • Una media nasconde le chiamate che interrompono una conversazione. La dispersione è ciò che il chiamante percepisce davvero.
  • La chiamata più lenta misurata di Sonic 3.5 resta sotto mezzo secondo. Entrambi i modelli Deepgram superano questa soglia.

Variazione della latenza: distribuzione dei valori TTFA

Un valore più basso è migliore

Covalagosto 2026
0ms100ms200ms300ms400ms500ms600ms700ms800ms
Sonic 3.5
Cartesia
Aura-2
Deepgram
Flux
Deepgram
Leggi le misurazioni della latenza

Tempo al primo audio in millisecondi. Il riquadro comprende il 50% centrale delle richieste; la linea indica la mediana. I baffi non sono i minimi o massimi assoluti.

  • Sonic 3.5: mediana 267 ms; 50% centrale 234–297 ms; baffi 140–391 ms.
  • Aura-2: mediana 304 ms; 50% centrale 213–424 ms; baffi 93–740 ms.
  • Flux: mediana 245 ms; 50% centrale 201–500 ms; baffi 100–658 ms.

Latenza di coda

Cartesia resta avanti dove conta di più

  • Il P95 è il turno che capita a un chiamante su venti, quindi determina quanto spesso la conversazione si blocca.
  • Sonic 3.5 risponde più velocemente di entrambi i modelli Deepgram a quel percentile ed è l'unico dei tre con una dispersione abbastanza contenuta da essere prevedibile.

Latenza al P95

Un valore più basso è migliore

Covalagosto 2026
370ms
547ms
590ms
Sonic 3.5
Cartesia
Aura-2
Deepgram
Flux
Deepgram

Precisione

Sonic 3.6 commette meno errori nelle parole di entrambi i modelli Deepgram

  • Coval trascrive ogni clip generata da ciascun modello e la confronta con il testo: un tasso più basso indica una maggiore aderenza al testo scritto.
  • Sonic 3.6 legge male meno parole di Flux e Aura-2, così nomi, numeri e codici vengono pronunciati come scritti.

Tasso di errore sulle parole

Un valore più basso è migliore

Covalsettembre 2026
1.99%
2.2%
2.78%
Sonic 3.6
Cartesia
Flux
Deepgram
Aura-2
Deepgram

Velocità

Sonic 3.6 genera voce sei volte più velocemente di Flux TTS

  • Artificial Analysis misura tutti i modelli in classifica con lo stesso sistema, in caratteri generati al secondo.
  • Sonic 3.6 genera 139.3 caratteri al secondo, contro 22.2 di Flux TTS.

Caratteri al secondo

Un valore più alto è migliore

Artificial AnalysisNovembre 2026
139.3
22.2
Sonic 3.6
Cartesia
Flux TTS
Deepgram

Perché le aziende scelgono Cartesia invece di Deepgram

  1. Precisione della trascrizione

    Artificial Analysis
    Cartesia
    3,4% di WER in streamingInk-2
    Deepgram
    6,6% di WER in streamingNova-37,4% di WER in streamingFlux

    Ottobre 2026

  2. Costanza

    Coval
    Cartesia
    Intervallo interquartile di 63ms
    Deepgram
    Intervallo interquartile di 211msAura-2Intervallo interquartile di 300msFlux

    agosto 2026

  3. Precisione della sintesi vocale

    Coval
    Cartesia
    1.99% di WERSonic 3.6
    Deepgram
    2.20% di WERFlux2.78% di WERAura-2

    settembre 2026

  4. Lingue

    Cartesia
    44 lingue con un solo modello, con accenti calibrati per regione
    Deepgram
    7 lingue
  5. Varietà di voci

    Cartesia
    Oltre 800 voci
    Deepgram
    88 voci predefinite
  6. Distribuzione

    Cartesia
    VPC, on-premise, sul dispositivo o in ambiente isolato, con SLA di disponibilità del 99.9%
    Deepgram
    L'hosting autonomo richiede un piano Enterprise

Domande frequenti

Esiste un'alternativa a Deepgram per lo speech-to-text?

Sì. Ink-2 è il modello speech-to-text in streaming di Cartesia per agenti vocali. Nell'indice del tasso di errore sulle parole in streaming di Artificial Analysis, Ink-2 ottiene il 3,4%, contro il 6,6% di Deepgram Nova-3 Realtime e il 7,4% di Deepgram Flux. Ink-2 ha il rilevamento del turno integrato, quindi l'agente sa quando il cliente ha finito di parlare senza un modello separato.

La qualità vocale di Cartesia è valutata in modo indipendente?

Sì. Sonic 3.6 è primo tra i 94 modelli dell'Artificial Analysis Provider Voice Arena, un test di ascolto alla cieca in cui gli ascoltatori confrontano due clip senza sapere quale modello le abbia prodotte. È primo anche nella Controlled Voice Arena, che assegna a ogni modello lo stesso insieme di voci clonate.

Come viene misurata la latenza in questa pagina?

Coval è una piattaforma di valutazione indipendente che chiama l'API pubblica di ciascun fornitore e pubblica l'intera distribuzione delle risposte, anziché un singolo dato di richiamo. I numeri qui riportati provengono da 478 esecuzioni Cartesia e 951 esecuzioni Deepgram su Aura-2 e Flux, misurate nello stesso periodo.

Perché la dispersione conta più della media?

Un chiamante non vive una media. Vive il turno in corso. Un modello solitamente veloce ma talvolta lento genera chiamate in cui il chiamante inizia a parlare sopra l'agente, e sono quelle le chiamate che vengono abbandonate. Mantenere le risposte più lente vicine alle più veloci rende l'interazione con un agente vocale simile a una conversazione.

Posso eseguire Cartesia sulla mia infrastruttura?

Sì. Cartesia si distribuisce on-premise e in ambienti isolati, così i team di sanità, finanza e pubblica amministrazione possono mantenere l'audio nella propria rete, con SLA di disponibilità del 99.9%.

Quanto tempo richiede il passaggio da Deepgram?

Una o due settimane per la maggior parte dei team. Cartesia è integrato nelle principali piattaforme di agenti vocali e ogni modello è disponibile tramite l'API pubblica, quindi non occorre adottare un'altra piattaforma né sciogliere questo vincolo in seguito.

Inizia oggi

Parla con un esperto.

Contatta un membro del nostro team e scopri come Cartesia può aiutarti a creare esperienze vocali di altissimo livello.

Contatta il team commerciale

Inizia a sviluppare.

Accedi ai nostri modelli tramite API e porta un agente vocale in produzione in pochi minuti.

Prova Cartesia