リスナーはCartesiaのSonic 3.6をResemble AIの両方のChatterbox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Resemble AIの両モデル、Chatterbox HDとChatterboxより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。Resemble AIはChatterbox Multilingualで23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。

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。