Sonic。最速で、最も自然な音声合成モデル

Cartesiaなら、品質と速度のどちらかを選ぶ必要はありません。モデルは、Stanfordで創業チームが開拓した状態空間モデル（SSM）を基盤としています。Transformerとは根本的に異なる方式です。本番規模の音声合成では、低レイテンシー、低コスト・高い同時実行数、自然な音声という利点があります。Sonicのモデルレイテンシーは90ms未満で、応答全体の生成を待たずにストリーミング再生を開始できます。SSMは長いシーケンスでTransformerより計算効率が高く、規模を拡大した際のコストと同時実行数に優れます。英数字や同綴異音語の精度が高く、自然さを評価する第三者のブラインド比較ベンチマークで1位を獲得しています。レイテンシー、大規模運用の信頼性、デプロイの柔軟性で他社の限界に達したチームがCartesiaを選んでいます。

はい。企業や行政機関がCartesiaを選ぶ主な理由の1つです。Sonic-3.6は、エアギャップ環境を含む自社データセンター、AWS・GCP・Azureの自社VPC、製品に直接組み込むOEMライセンスで利用できます。行政調達、医療・金融・保険などの規制対象業界、データ主権や保管場所に要件のあるお客様に対応します。オンプレミスとOEMでの導入はEnterprise契約で提供します。

Cartesiaは企業や規制対象業界での導入を想定しています。SOC 2 Type II、HIPAA適用対象サービス（医療のお客様にはBAAを提供）、GDPR準拠に対応しています。対象サービスではEnterpriseのお客様向けにゼロデータ保持を提供します。厳格なデータ保管場所・主権・エアギャップの要件には、オンプレミスやVPCでの導入が可能です。データ保護補遺は https://www.cartesia.ai/legal/dpa で確認できます。

複製する権利のある声をクローン化できます。Instant Voice Cloningは1分未満の明瞭な参照音声を使用します。Professional Voice Cloningは15〜30分の参照音声から、本番向けに高い忠実度のクローンを作成します。ブランドの声を大規模に展開するお客様には、Enterprise契約でカスタム音声の開発も提供します。すべての音声クローンには、話者の確認済みの同意が必要です。著名人や他人の声を含め、許可のない音声の複製はCartesiaの利用規約で禁止されています。クローン音声はSonic TTS、API、Managed Agentsで利用できます。

Freeは評価・個人利用向けで、20KクレジットとSonic、API、各種音声、Instant Voice Cloningへのアクセスを含みます。有料セルフサービスプランは本番運用向けで、商用利用権、追加クレジット、より多くの同時実行、より高速な生成を含みます。料金は https://www.cartesia.ai/pricing をご覧ください。Enterpriseは大規模な本番運用、オンプレミス・VPCへの導入、OEMライセンス、カスタム音声、ゼロデータ保持、より高いSLA向けです。使用量と導入方法に応じた個別料金になります。条件を満たす初期段階の企業には、https://www.cartesia.ai/startups のスタートアップ支援プログラムでクレジットを提供します。

50Mクレジットを超える本番利用、オンプレミス・VPC・OEMでの導入、BAAやゼロデータ保持など医療・金融・規制対象業界の契約条件、行政・連邦政府・公共部門の調達については、Cartesiaチームにお問い合わせください。評価、試作、小規模な本番利用には、料金ページのセルフサービスプランをご利用いただけます。