Sonic-3.6

Sonic-3.6 är Cartesias modell för text till tal, presenterad den 27 augusti 2026 som efterträdare till Sonic-3.5. Den är gjord för röstagenter och andra tillämpningar där talet måste komma direkt, och Cartesia uppger att den svarar på under 90 millisekunder och att den läser cirka 132 tecken per sekund.

Enligt Cartesia har den bättre intonation, högre röstkvalitet och känslor som styrs av sammanhanget i texten. I blindtester i femton lokala varianter föredrog lyssnare Sonic-3.6 i upp till 93 % av jämförelserna; på amerikansk engelska valdes den före Eleven v3 i 92 % av fallen och i hindi före Gemini 3.1 i 55 %. Cartesia uppger att den är etta på Artificial Analysis topplistor för både styrda röster och leverantörernas egna röster, med 1 120 Elo på den förstnämnda, före Sonic-3.5 (1 095) och Eleven v3 (1 066).

Modellen klarar 44 språk och 61 lokala varianter, varav 11 indiska, och har över 500 färdiga röster. Nytt är bland annat språkväxling på hinglish, bättre bevarad brytning vid snabb röstkloning, två nya språk (odia och urdu) och ett valfritt fält för lokala format på datum, tider och tal.

Sonic-3.6 finns i Cartesias playground och via API:t, med 99,9 % garanterad drifttid, och kan också köras via Baseten, Amazon SageMaker och Together AI. Vikterna är inte öppna och priset anges inte i tillkännagivandet.