Cartesia eguaglia Gemini 3.8 TTS in qualità e genera la voce circa due volte più veloce.

Artificial Analysis cronometra la generazione di ogni modello in classifica. A ottobre 2026, Sonic 3.6 genera circa 106 caratteri di parlato al secondo, Gemini 3.8 Flash-Lite TTS circa 55 e Gemini 3.8 Flash TTS circa 47. Nel test di ascolto alla cieca della stessa classifica, Sonic 3.6 e Gemini 3.8 Flash TTS sono a meno di 3 punti. Per un agente vocale, generare con anticipo rispetto alla riproduzione è ciò che evita che una risposta lunga si blocchi a metà frase.

Gemini 3.8 Flash TTS e Gemini 3.8 Flash-Lite TTS, rilasciati da Google a settembre 2026, e Gemini 3.1 Flash TTS, il modello che sostituiscono. Sono i nomi con cui li elenca Artificial Analysis. Gli ID dei modelli Google sono gemini-3.8-flash-tts, gemini-3.8-flash-lite-tts e gemini-3.1-flash-tts-preview.

Google vende anche una serie più vecchia di voci Cloud Text-to-Speech accanto a Gemini TTS: Chirp 3: HD, Studio, Journey, Neural2, WaveNet e Standard. Artificial Analysis le valuta tutte al di sotto dei modelli Gemini TTS di questa pagina.

Viene da Artificial Analysis, un benchmark indipendente. Gli ascoltatori sentono due clip della stessa frase senza sapere quale modello ha prodotto ciascuna, e scelgono quella che preferiscono. Il Provider Voice Arena fa parlare ogni modello con le proprie voci.

Sì. Per un clone istantaneo bastano 10 secondi di audio e per uno professionale 30 minuti. Entrambi sono disponibili tramite l'API pubblica, anziché essere riservati a un accordo aziendale.

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%.

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.