リスナーはCartesiaのSonic 3.6をMistralの両方のVoxtralモデルより高く評価しています。

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。Sonic 3.6は掲載されたMistralの両モデル、Voxtral 3 TTSとVoxtral TTSより高く評価されています。

はい。Mistralのドキュメントでは最新の音声合成モデルをVoxtral TTS 3と呼び、Artificial AnalysisではVoxtral 3 TTSとして掲載されています。Voxtral TTSは2026年3月にリリースされた以前のモデルです。Sonic 3.6はどちらよりも高く評価されています。

1つのモデルで英語、スペイン語、フランス語、ドイツ語、日本語など44言語に対応しています。英語モデルに後付けするのではなく、地域ごとにアクセントを調整しています。MistralはVoxtral TTS 3で9言語に対応するとしています。

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。