Gli ascoltatori valutano Sonic 3.6 di Cartesia sopra tutti i modelli Inworld Realtime TTS-2.

Gli ascoltatori preferiscono Sonic 3.6. Nell'Artificial Analysis Provider Voice Arena, dove gli ascoltatori confrontano due clip senza sapere quale modello ha generato ciascuna, Sonic 3.6 ottiene 1279 contro 1249 di Realtime TTS-2 e 1217 di Realtime TTS-2 Flash, a ottobre 2026.

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.

44 lingue con un solo modello, tra cui inglese, spagnolo, francese, tedesco e giapponese. Gli accenti sono calibrati per regione, non aggiunti a un modello inglese: lo spagnolo di Città del Messico e quello di Madrid non hanno la stessa voce.

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.