CartesiaはDeepgramのどちらのモデルよりもレイテンシーのばらつきが小さくなっています。

はい。Sonic 3.6はArtificial Analysis Provider Voice Arenaで94モデル中1位です。モデル名を伏せて2つのクリップを比較するブラインド試聴テストです。また、すべてのモデルに同じクローン音声を使うControlled Voice Arenaでも1位です。

Covalは独立した評価プラットフォームです。各社の公開APIを呼び出し、代表値1つではなく、返された結果の分布全体を公開しています。このページの数値は、同じ期間に測定したCartesiaの478回と、Aura-2およびFluxを合わせたDeepgramの951回の実行に基づきます。

通話相手が体験するのは平均値ではなく、その時点の応答です。普段は速くても時々遅くなるモデルでは、相手がエージェントの発話にかぶせて話し始め、通話を切ってしまう原因になります。遅い応答と速い応答の差を小さくすることが、音声エージェントを自然な会話に近づけます。

はい。Cartesiaはオンプレミスとエアギャップ環境にデプロイできます。医療、金融、政府機関のチームが音声を自社ネットワーク内に保つために利用しており、稼働率99.9%のSLAが適用されます。

多くのチームで1〜2週間です。Cartesiaは主要な音声エージェントプラットフォームと統合され、すべてのモデルを公開APIで利用できます。別のプラットフォームに移る必要も、後から依存関係を解く手間もありません。