Cartesia는 실시간 텍스트 음성 변환 모델의 최신 버전인 Sonic-3.6를 출시했으며, 이 모델은 이제 Artificial Analysis 음성 리더보드 두 곳에서 모두 1위를 차지하고 있습니다. 이번 업데이트는 자연스러움을 개선하는 데 중점을 두었으며, 트랜스포머 대신 상태 공간 모델을 사용하여 첫 오디오 출력까지 90ms 미만의 지연 시간을 달성했습니다.

  • Sonic-3.6는 Provider Voice 보드에서 1,283 Elo, Controlled Voice 보드에서도 1,283 Elo를 기록했습니다.
  • 이 모델은 Cartesia의 호스팅 API를 통해 베타 버전으로 이용 가능하지만 자체 호스팅 가중치는 제공하지 않습니다.
  • 주요 프로덕션 기능에는 인라인 표현 태그, 10초 분량의 오디오로부터의 즉시 음성 복제, 그리고 영문자 및 숫자 기본 지원이 포함됩니다.
  • Artificial Analysis는 가격을 100만 문자당 $49.00으로 정규화했으며, 이는 ElevenLabs Eleven v3 비용의 절반 수준입니다.

이번 출시로 고객 지원 및 미디어 현지화 같은 애플리케이션에 낮은 지연 시간과 높은 자연스러움을 균형 있게 갖춘 상용 배포 가능한 스트리밍 TTS 솔루션이 제공되었습니다.