Cartesia ने अपने रियल-टाइम टेक्स्ट-टू-स्पीच मॉडल का नवीनतम संस्करण Sonic-3.6 जारी किया है, जो अब Artificial Analysis के दोनों वॉयस लीडरबोर्ड पर #1 स्थान पर है। इस अपडेट में बेहतर प्राकृतिकता पर ध्यान दिया गया है और यह ट्रांसफॉर्मर्स के बजाय स्टेट स्पेस मॉडल्स पर चलकर 90ms से कम का पहली ऑडियो तक समय प्राप्त करता है।
- Sonic-3.6 प्रोवाइडर वॉयस बोर्ड पर 1,283 Elo स्कोर करता है और कंट्रोल्ड वॉयस बोर्ड पर भी 1,283 Elo स्कोर करता है।
- मॉडल Cartesia के होस्टेड API के माध्यम से बीटा में उपलब्ध है, लेकिन यह स्व-होस्टेड वेट्स प्रदान नहीं करता है।
- प्रमुख उत्पादन सुविधाओं में इनलाइन एक्सप्रेशन टैग्स, 10 सेकंड की ऑडियो से तुरंत वॉयस क्लोनिंग और नेटिव अल्फान्यूमेरिक सपोर्ट शामिल हैं।
- Artificial Analysis कीमत को $49.00 प्रति 1M कैरेक्टर्स पर सामान्य करता है, जो ElevenLabs Eleven v3 के खर्च का आधा है।
यह रिलीज़ कम लैटेंसी और उच्च प्राकृतिकता के बीच संतुलन बनाते हुए ग्राहक सहायता और मीडिया लोकलाइजेशन जैसे अनुप्रयोगों के लिए व्यावसायिक रूप से तैनात करने योग्य स्ट्रीमिंग TTS समाधान प्रदान करती है।