リスナーはCartesiaのSonic 3.6をすべてのMurf AI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Murfの両モデル、Falcon 2とSpeech Gen 2より高く評価されています。

Covalの独立したテストで、Sonic 3.6の単語誤り率は1.85%、Murf Falcon 2は2.22%です。Covalは各生成クリップを文字起こしして台本と比較するため、誤りが少ないほど台本どおりに読まれた割合が高いことを意味します。

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。MurfはFalcon 2で35以上の言語に対応するとしています。

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。どちらも公開APIからセルフサービスで利用できます。MurfのインスタントクローンはEnterpriseプランのみで、作成したクローンはFalcon 2でしか使えません。

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。