CartesiaはGemini 3.8 TTSを品質で上回り、音声生成も高速です。

ServiceNow、Decagon、Quoraは本番環境の音声エージェントにCartesiaを使用しており、最初の音声まで90ms未満です。

2X Solutions logo
arini logo
toby logo

音声品質

Googleの最新TTSモデルをSonic 3.6が上回る評価

  • Provider Voice Arenaでは各モデルが独自の声を使うため、音声モデルだけでなく 声のラインナップも評価に含まれます。
  • ブラインド試聴テストでは、Sonic 3.6はGemini 3.8 Flash TTSを12ポイント上回り、 Gemini 3.8 Flash-Lite TTSとGemini 3.1 Flash TTSも上回っています。

Provider Voice ArenaのEloスコア

高いほど良い

Artificial Analysis2026年10月
1291
1279
1251
1211
Sonic 3.6
Cartesia
Gemini 3.8 Flash TTS
Google
Gemini 3.8 Flash-Lite TTS
Google
Gemini 3.1 Flash TTS
Google

速度

どちらのGemini 3.8 TTSモデルよりCartesiaの生成は高速

  • Artificial Analysisは掲載するすべてのモデルの生成速度を測定しているため、 両者は同じ測定環境で比較されています。
  • 再生を十分に上回る速度で生成することで、長い応答でも文の途中で止まりません。 Sonic 3.6は1秒あたり、どちらのGemini 3.8 TTSモデルよりも多くの文字数の音声を生成し、 Gemini 3.8 Flash TTSの約2倍です。

1秒あたりの文字数

高いほど良い

Artificial Analysis2026年11月
139.3
109.6
63.9
Sonic 3.6
Cartesia
Gemini 3.8 Flash-Lite TTS
Google
Gemini 3.8 Flash TTS
Google

企業がGemini TTSよりCartesiaを選ぶ理由

  1. 人間らしい自然さ

    Artificial Analysis
    Cartesia
    1291 Elo
    Gemini TTS
    1279 EloGemini 3.8 Flash TTS1251 EloGemini 3.8 Flash-Lite TTS1211 EloGemini 3.1 Flash TTS

    2026年10月

  2. 速度

    Artificial Analysis
    Cartesia
    毎秒139.3文字
    Gemini TTS
    毎秒109.6文字Gemini 3.8 Flash-Lite TTS毎秒63.9文字Gemini 3.8 Flash TTS

    2026年11月

  3. 導入形態

    Cartesia
    VPC、オンプレミス、オンデバイス、エアギャップ環境に対応し、稼働率99.9%のSLAを提供
    Gemini TTS
    Google Cloud、Vertex AI、Gemini API

よくある質問

Gemini 3.8 TTSの速度はCartesiaと比べてどうですか?

Artificial Analysisは掲載するすべてのモデルの生成速度を測定しています。2026年11月時点で、Sonic 3.6は毎秒約139文字、Gemini 3.8 Flash-Lite TTSは約110文字、Gemini 3.8 Flash TTSは約64文字の音声を生成します。同じボードのブラインド試聴テスト(2026年10月時点)では、Sonic 3.6はGemini 3.8 Flash TTSを12ポイント上回っています。音声エージェントでは、再生より十分先に生成できることが、長い応答を文の途中で止めないための条件です。

どのGoogleモデルと比較していますか?

Googleが2026年9月にリリースしたGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTS、そしてそれらが置き換えるGemini 3.1 Flash TTSです。名称はArtificial Analysisの表記に合わせています。GoogleのモデルIDはgemini-3.8-flash-tts、gemini-3.8-flash-lite-tts、gemini-3.1-flash-tts-previewです。

Google Cloud Text-to-Speechはどうですか?

GoogleはGemini TTSと並んで、旧来のCloud Text-to-Speechの音声も提供しています。Chirp 3: HD、Studio、Journey、Neural2、WaveNet、Standardです。Artificial Analysisはこれらすべてを、このページのGemini TTSモデルより低く評価しています。

品質スコアはどう測定されていますか?

独立したベンチマークであるArtificial Analysisのデータです。リスナーは同じセリフの2つの音声を、どちらのモデルが生成したかを知らされずに聞き、好きな方を選びます。Provider Voice Arenaでは、各モデルが独自の声で話します。

Cartesiaで自分の声を使えますか?

はい。インスタントクローンには10秒、プロフェッショナルクローンには30分の音声が必要です。どちらも大企業向け契約に限定されず、公開APIで利用できます。

自社のインフラでCartesiaを実行できますか?

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。

Gemini TTSからの移行にはどれくらいかかりますか?

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。

今すぐ始める

専門家に相談する。

音声体験の開発にCartesiaをどう活用できるか、私たちのチームにご相談ください。

営業に問い合わせる

開発を始める。

APIでモデルにアクセスし、数分で音声エージェントを本番環境に導入できます。

Cartesiaを試す