A Cartesia empata com o Gemini 3.8 TTS em qualidade e gera voz cerca de duas vezes mais rápido.

A Artificial Analysis mede a geração de todos os modelos do seu ranking. Em outubro de 2026, o Sonic 3.6 gera cerca de 106 caracteres de fala por segundo, o Gemini 3.8 Flash-Lite TTS cerca de 55 e o Gemini 3.8 Flash TTS cerca de 47. No teste de escuta às cegas do mesmo ranking, o Sonic 3.6 e o Gemini 3.8 Flash TTS ficam a menos de 3 pontos um do outro. Em um agente de voz, gerar com folga em relação à reprodução é o que evita que uma resposta longa trave no meio da frase.

Gemini 3.8 Flash TTS e Gemini 3.8 Flash-Lite TTS, que o Google lançou em setembro de 2026, e Gemini 3.1 Flash TTS, o modelo que eles substituem. São os nomes usados pela Artificial Analysis. Os IDs de modelo do Google são gemini-3.8-flash-tts, gemini-3.8-flash-lite-tts e gemini-3.1-flash-tts-preview.

O Google também vende um conjunto mais antigo de vozes do Cloud Text-to-Speech ao lado do Gemini TTS: Chirp 3: HD, Studio, Journey, Neural2, WaveNet e Standard. A Artificial Analysis avalia todas elas abaixo dos modelos Gemini TTS desta página.

Vem da Artificial Analysis, um benchmark independente. Os ouvintes escutam dois clipes da mesma frase sem saber qual modelo gerou cada um, e escolhem o que preferem. O Provider Voice Arena deixa cada modelo falar com as próprias vozes.

Sim. Um clone instantâneo exige 10 segundos de áudio e um profissional exige 30 minutos. Ambos estão na API pública, em vez de serem reservados a um contrato empresarial.

Sim. A Cartesia oferece implantação local e em redes isoladas, usadas por equipes de saúde, finanças e governo para manter o áudio na própria rede, com SLA de disponibilidade de 99.9%.

Uma a duas semanas para a maioria das equipes. A Cartesia está integrada às principais plataformas de agentes de voz e todos os modelos estão na API pública. Assim, não é preciso adotar outra plataforma nem desfazer essa dependência depois.