Cartesia는 AI 아키텍처와 알고리즘의 근본적인 발전에 투자합니다. 모델 역량의 큰 변화가 거기서 나오기 때문입니다.
Sonic-3.6은 사전·사후 학습에서 다국어 오디오를 효율적으로 학습하는 최신 아키텍처 연구의 결과입니다. Sonic-3.5보다 자연스러움과 품질이 크게 개선되어 15개 로케일의 블라인드 일대일 평가에서 청취자가 최대 93%의 비율로 선호했습니다.
올해 초 우리는 기존 방식을 조금씩 조정하는 대신 모든 것을 처음 원리부터 다시 생각해야 최고의 연구를 할 수 있다고 판단했습니다. 이후 새 아이디어로 데이터, 모델 아키텍처, 학습, 평가를 처음부터 다시 만들었고 그 성과가 나타나고 있습니다.
Sonic-3.5 출시 두 달 만에 나온 Sonic-3.6은 Artificial Analysis의 동일 목소리와 제공업체 목소리 리더보드에서 다시 1위를 차지했습니다. 동일 목소리 평가에서 넘어선 기존 1위는 Sonic-3.5입니다. 다른 제공업체가 격차를 좁히지 못한 동안 자체 모델을 앞선 것은 연구 속도가 빨라지고 있음을 보여줍니다.
자연스러운 발화와의 간격 줄이기
음성을 대규모로 운영할 때 자연스러움은 고객이 통화를 계속할지 결정합니다. 조금만 합성 음성처럼 들려도 발신자는 신뢰를 잃고 사람을 요청합니다. Sonic-3.6은 44개 언어에서 자연스럽고 원어민답게 들려 대화가 이어지도록 만들었습니다.
미국 영어의 블라인드 일대일 평가에서 청취자는 Eleven v3보다 Sonic-3.6을 92%의 비율로 선택했습니다. 억양, 음성 품질, 문맥에 따른 감정 표현이 개선된 덕분입니다. 문장을 의도대로 읽고 사람처럼 대화 문맥에 맞춰 표현을 조절합니다. 아래 오디오와 전사는 원래 언어를 유지합니다.
I understand things are difficult right now. We can start with a smaller amount, around $35 a month, and adjust it later. There's no pressure to commit to more than you can manage.
Eleven v3
Sonic-3.6
스페인어를 하시나요?
영어는 기본 조건이라고 생각해 왔습니다. 다른 언어와 억양에서도 원어민처럼 들리는 것이 음성 AI가 주로 영어 기술로 남을지 전 세계가 대화할 기술이 될지 결정합니다. 대부분의 모델은 외국어도 이해할 수 있게 말하지만, 억양, 어조, 이름이나 장소의 현지 발음까지 설득력 있게 구현하는 모델은 적습니다.
고객이 판단하듯 각 언어에서 주요 경쟁 모델과 직접 들어보며 Sonic-3.6을 평가했습니다. 테스트한 모든 핵심 언어에서 원어민 패널이 일대일로 Sonic-3.6을 더 선호했습니다.
원어민 선호도
각 로케일의 주요 경쟁 모델과 블라인드 일대일 비교
평가 방법: 각 언어의 주요 경쟁 모델을 선택하고 비슷한 Sonic-3.6 목소리를 맞췄습니다. 같은 텍스트로 음성을 생성한 뒤 원어민 패널이 각 쌍을 블라인드 평가했습니다. 득표율 = 모델의 승리 수 ÷ 전체 유효 투표 수
언어 전반의 개선으로 다음이 가능해졌습니다.
- 지원 확대: 인도계 11개를 포함한 61개 로케일과 500개 이상의 기본 음성을 제공합니다. 새 언어 오디아어와 우르두어는 모두 96%가 넘는 전사 정확도로 출시합니다.
- Hinglish 지원: 데바나가리, 라틴 문자 또는 혼합 텍스트를 사용해 한 번의 생성에서 힌디어와 영어를 전환할 수 있습니다.
- 즉석 음성 복제의 억양 유지 개선: 사용자가 적은 억양까지 포함해 화자의 억양을 훨씬 잘 유지합니다.
- 로케일 인식: 선택적 locale 필드를 지정하면 날짜, 시간, 숫자를 현지인이 말하는 방식으로 읽습니다.
힌디어와 영어를 자연스럽게 전환합니다.
हमारी टीम ने पिछले quarter में customer feedback के आधार पर 12/08/2026 को नया mobile app launch किया, जिससे revenue में लगभग पंद्रह प्रतिशत की growth देखी गई।
호주인이 읽는 방식으로 날짜를 읽습니다.
Right, so I've confirmed your Qantas booking, QF11, departing Sydney on 21/07/2026. You're in seat 32A, you've got one checked bag at twenty-three kilos, and check-in opens three hours before the 9:50am departure.
프로덕션을 위한 설계
데모에서는 자연스러움이 선택을 좌우하지만 실제 통화가 진짜 시험임을 알고 있습니다. 대규모 기업 워크로드를 위해 설계한 Sonic-3.6은 다음을 제공합니다.
- 90ms 미만에 응답하고 v3 Conversational보다 거의 2배 빠르게 생성합니다. 초당 132자 대 68자입니다.
- 99.9% 가동률 SLA를 기반으로 클라우드, 온프레미스, 지역 엔드포인트에서 규모에 맞게 실행됩니다.
- 오늘도 수백만 건의 프로덕션 통화를 그 규모에 필요한 안정성으로 지원합니다.
- Baseten, Amazon SageMaker, Together AI를 통해 자체 클라우드에 배포해 오디오가 인프라 밖으로 나가지 않게 할 수 있습니다.
- SOC 2, PCI, HIPAA, GDPR 등 기업의 규정 준수 요구를 충족합니다.
- 팀이 직접 도와 브랜드에 맞는 커스텀 음성을 개발하고 찾을 수 있습니다.
직접 들어보세요
Sonic-3.6은 이제 플레이그라운드와 API에서 정식 제공됩니다.
다만 곧 사용해 보세요. 이 속도라면 통합을 끝내기 전에 다음 모델이 나올지도 모릅니다.