リスナーはCartesiaのSonic 3.6をSonioxのテキスト読み上げ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Sonioxの現行音声合成モデル、Soniox TTS Real-Time v2より高く評価されています。

Artificial Analysisが同じ測定環境で計測した結果、Sonic 3.6は毎秒114.9文字、Soniox TTS Real-Time v2は18.0文字です。再生速度を十分に上回ることで、長い応答でも文の途中で止まりません。

はい。Sonicは独立した音声APIなので、現在使っている文字起こしや言語モデルと組み合わせて、主要な音声エージェントプラットフォームに組み込めます。

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。