Cartesia telah merilis Sonic-3.6, versi terbaru dari model teks-ke-ucapan real-time-nya, yang kini menempati posisi #1 di kedua papan peringkat ucapan Artificial Analysis. Pembaruan ini berfokus pada peningkatan naturalitas dan berjalan pada state space models alih-alih transformer untuk mencapai latensi waktu-ke-audio-pertama di bawah 90ms.
- Sonic-3.6 mencetak skor Elo 1.283 di papan Provider Voice dan 1.283 Elo di papan Controlled Voice.
- Model ini tersedia dalam versi beta melalui API terhosting Cartesia tetapi tidak menyediakan bobot yang dapat di-host sendiri.
- Fitur produksi utama mencakup tag ekspresi inline, kloning suara instan dari 10 detik audio, dan dukungan alfanumerik bawaan.
- Artificial Analysis menormalisasi harga menjadi $49.00 per 1 juta karakter, yang merupakan setengah dari biaya ElevenLabs Eleven v3.
Rilis ini menyediakan solusi TTS streaming yang dapat digunakan secara komersial, menyeimbangkan latensi rendah dengan naturalitas tinggi untuk aplikasi seperti dukungan pelanggan dan lokalisasi media.