Confronti / Cartesia e Deepgram
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.


Al 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.
“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
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
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
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
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
Perché le aziende scelgono Cartesia invece di Deepgram
Precisione della trascrizione
Tasso di errore sulle parole (WER) in streaming, su audio dal vivo. Ogni risposta parte da ciò che l'agente ha sentito.
Cartesia3,4% di WER in streamingInk-2Deepgram6,6% di WER in streamingNova-37,4% di WER in streamingFluxOttobre 2026
Costanza
Su larga scala, la dispersione della latenza conta più della media.
CartesiaIntervallo interquartile di 63msDeepgramIntervallo interquartile di 211msAura-2Intervallo interquartile di 300msFluxagosto 2026
Precisione della sintesi vocale
Tasso di errore sulle parole (WER) del parlato generato da ogni modello: se nomi, numeri e termini arrivano come sono scritti.
Cartesia1.99% di WERSonic 3.6Deepgram2.20% di WERFlux2.78% di WERAura-2settembre 2026
Lingue
Comprensione e fiducia per una clientela globale.
Cartesia44 lingue con un solo modello, con accenti calibrati per regioneDeepgram7 lingueVarietà di voci
Quanto è ampio il catalogo prima che serva una voce personalizzata.
CartesiaOltre 800 vociDeepgram88 voci predefiniteDistribuzione
Determina se i team soggetti a regolamentazione possono usarlo.
CartesiaVPC, on-premise, sul dispositivo o in ambiente isolato, con SLA di disponibilità del 99.9%DeepgramL'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.
Altri confronti
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.
Inizia a sviluppare.
Accedi ai nostri modelli tramite API e porta un agente vocale in produzione in pochi minuti.