CartesiaはすべてのAzure音声より高く評価され、音声生成も高速です。

品質はAzure HD 2.5とAzure Neural、生成速度はそれらにAzure Dragon HD Omniも加えて比較しています。これらはArtificial Analysisでの表記です。MicrosoftはすべてAzure AI Speechを通じて提供しており、現在の自社ドキュメントではAzure Speech in Foundry Toolsとも呼んでいます。

独立したベンチマークであるArtificial Analysisの結果です。リスナーはモデル名を知らされずに同じ文の2つのクリップを聴き、好みの方を選びます。Provider Voice Arenaでは各モデルが独自の声を使います。CartesiaのSonic 3.6は、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。

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。どちらも個別の承認ではなく、セルフサービスで利用できます。

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。