リスナーはCartesiaのSonic 3.6をすべてのRime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Rimeの両モデル、CodaとMist v2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1.99%、Rime Codaは4.51%、Mist v3は2.99%です。Covalは各生成クリップを文字起こしして台本と比較します。

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。RimeのドキュメントではCodaが9言語、Mistが4言語に対応しています。

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。Rimeは30〜60分の録音からマネージドサービスとしてクローンを作成します。

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。