Na Cartesia, investimos profundamente em avanços fundamentais nas arquiteturas e nos algoritmos de IA, porque são eles que permitem saltos nas capacidades dos modelos.
O Sonic-3.6 reúne nossos avanços mais recentes em arquiteturas que aprendem de forma eficiente com áudio multilíngue no pré e no pós-treinamento. Ele dá um grande salto em naturalidade e qualidade em relação ao Sonic-3.5. Ouvintes o preferiram em até 93% dos testes cegos de comparação direta em quinze localidades.
No início deste ano, apostamos que, para fazer a melhor pesquisa do mundo, precisaríamos repensar tudo a partir dos fundamentos, em vez de ajustar gradualmente o paradigma existente. Desde então, reconstruímos nossos dados, arquitetura de modelos, treinamento e avaliação com novas ideias. Agora vemos o resultado desse esforço.
O Sonic-3.6 chega apenas dois meses depois do Sonic-3.5 e ocupa novamente o primeiro lugar nos rankings da Artificial Analysis, tanto com voz controlada quanto com vozes dos fornecedores. No ranking controlado, o modelo que superamos é o próprio Sonic-3.5. Superar nosso modelo enquanto nenhum outro fornecedor fechou essa distância mostra como nossa pesquisa está acelerando.
Cada vez mais perto da fala natural
Para quem opera voz em escala, a naturalidade determina se o cliente permanece na linha. Uma voz que soa mesmo um pouco sintética faz a pessoa perder a confiança e pedir um atendente humano. Criamos o Sonic-3.6 para soar natural e nativo o suficiente para manter a conversa em 44 idiomas.
Em inglês dos Estados Unidos, ouvintes escolheram o Sonic-3.6 em vez do Eleven v3 em 92% dos testes cegos de comparação direta, graças à melhor entonação, à maior qualidade da voz e à emoção orientada pelo contexto. O Sonic-3.6 lê cada frase como ela deve ser ouvida e adapta a interpretação ao contexto da conversa, como uma pessoa faria.
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
¿Hablas español?
Sempre consideramos o inglês um requisito básico. Mas soar nativo em cada outro idioma ou sotaque é a verdadeira fronteira que determina se a IA de voz continuará sendo uma tecnologia principalmente em inglês ou se será algo com que o mundo inteiro poderá conversar. A maioria dos modelos é compreensível em outros países, mas poucos são convincentes o suficiente para acertar o sotaque, o tom e a pronúncia local de um nome ou lugar.
Testamos o Sonic-3.6 da forma como um cliente o avaliaria, ouvindo cada idioma em comparação com os principais concorrentes. Painéis de falantes nativos preferiram o Sonic-3.6 na comparação direta em todos os idiomas centrais que testamos.
Preferência de falantes nativos
Comparação direta cega com o principal concorrente em cada localidade.
Nota metodológica: em cada idioma, usamos o principal concorrente e escolhemos uma voz comparável no Sonic-3.6. Geramos áudio a partir de transcrições idênticas e pedimos a painéis de falantes nativos que avaliassem cada par sem identificar os modelos. Participação nos votos = vitórias do modelo ÷ total de votos válidos
Estas melhorias ampliam o que é possível fazer em diferentes idiomas:
- Maior alcance: 61 localidades, sendo 11 índicas, e mais de 500 vozes predefinidas já disponíveis, além de dois novos idiomas, odia e urdu, ambos lançados com exatidão de transcrição acima de 96%.
- Suporte a hinglish: alterne entre hindi e inglês em uma única geração usando transcrições em devanágari, alfabeto latino ou uma combinação.
- Maior fidelidade ao sotaque em clones instantâneos: o Sonic-3.6 preserva muito melhor o sotaque da pessoa, inclusive os menos difundidos.
- Adaptação à localidade: defina o campo opcional de localidade para que datas, horários e números sejam falados como um morador local diria.
Alterna naturalmente entre hindi e inglês:
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।
Demonstração de hinglish
Lê a data como uma pessoa australiana:
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.
Inglês australiano
Criado para produção
A naturalidade pode conquistar na demonstração, mas sabemos que a chamada real é o verdadeiro teste. Criado para cargas empresariais em escala, o Sonic-3.6:
- Responde em menos de 90ms e gera quase 2x mais rápido que o v3 Conversational, com 132 contra 68 caracteres por segundo.
- Opera em escala na nuvem, em infraestrutura local e em endpoints regionalizados, com SLA de disponibilidade de 99.9%.
- Alimenta milhões de chamadas em produção hoje, com a confiabilidade que esse volume exige.
- Pode ser implantado na sua própria nuvem por Baseten, Amazon SageMaker ou Together AI, para que o áudio nunca precise sair da sua infraestrutura.
- Atende aos requisitos empresariais de conformidade, incluindo SOC 2, PCI, HIPAA e GDPR.
- Combina com sua marca, com ajuda direta da nossa equipe para desenvolver e encontrar sua voz personalizada.
Ouça você mesmo
O Sonic-3.6 já está disponível para todos no playground ou pela API.
Mas experimente logo. No ritmo em que estamos, talvez lancemos outro antes de você terminar a integração.