流式文本转语音
使用 Sonic-3.5 生成实时语音，这是该公司的流式 TTS 模型，专为低延迟对话场景设计，而不是延迟批量渲染。
概述
Cartesia 是一个专注于实时语音生成、转录和语音代理的语音 AI 平台。其主要产品包括用于文本转语音的 Sonic、用于语音转文字的 Ink，以及用于构建语音代理的 Line。
该公司将这些模型定位于对延迟敏感的实时同步交互场景，包括 AI 代理、客户支持、销售、招聘和其他对话型工作流。网站还说明，同一套技术栈可以部署在云端、本地、VPC 中或设备端。
核心能力
语音控制工具
创建或克隆声音，将音频本地化为多种语言，并为姓名和领域术语使用自定义发音词典，以确保准确发音。
流式语音转文字
使用 Ink-2 转录语音，这是一款与 Sonic 并列定位的语音转文字模型，适用于交互式语音系统和实时对话流程。
语音代理平台
使用 Line 构建语音代理，结合工具、护栏、可自定义的 LLM，以及用于测试实时行为和通话分析的内置评估。
灵活的部署选项
在云、本地、VPC 和设备端环境中部署相同的模型和代理，以满足延迟、数据驻留和控制要求。
开发者优先工作流
结合 API 访问、SDK 和开发者工具，从复制粘贴示例逐步过渡到生产系统，并通过迭代开发循环持续改进。
常见用例
实时助手语音
使用 Sonic 在实时对话中生成听起来自然的代理回复，因为时序和节奏会影响交互体验。
生产级语音代理
使用 Line 构建可执行操作、使用工具并在部署前通过内置评估进行测试的语音代理。
多语言语音体验
使用 Sonic 的本地化和声音克隆功能，在不同语言和市场中保持一致的品牌声音。
实时语音转录
使用 Ink 转录通话流程、实时支持工作流或其他需要快速语音识别的系统中的口语输入。
受控部署环境
当数据驻留或控制很重要时，利用平台的部署选项在云、本地、VPC 或设备端环境中运行。
Pros and Cons
Pros
- 将文本转语音、语音转文字和语音代理整合在一个平台中。
- 支持低延迟、实时对话用例，而不仅仅是批量生成。
- 在云、本地、VPC 和设备端环境之间提供多种部署选择。
- 为语音代理测试和监控提供内置评估和分析。
- 除了企业联系销售路径外，还提供自助式定价。
Cons
- 公开网站未在已收集材料中提供完整的集成目录或详细的 SDK 语言列表。
- 价格页面上列出了一些 FAQ 式问题，但渲染后的来源未包含全部答案。
- 方案定价按使用量计费，因此总成本取决于 credits、agent minutes 和所选产品。
FAQ
Cartesia 是否提供自助服务和企业方案？
是。定价页面显示有 Free、Pro、Startup、Scale 和 Enterprise 选项，Enterprise 提供联系销售流程。页面还展示了按使用量计费的 credits 和 agent minutes，因此团队可以先从小规模开始，随着使用增长再升级。
Cartesia 平台包含哪些产品？
Cartesia 的网站展示了用于文本转语音的 Sonic、用于语音转文字的 Ink，以及用于语音代理的 Line。首页和 agents 页面表明这些功能可通过 API 和开发者工具访问，其中 Line 面向构建和部署生产级语音代理。
Cartesia 可以部署在云之外吗？
网站说明 Cartesia 支持云部署、区域 API 端点、本地部署或 VPC 部署，以及设备端部署。它还表示相同的模型和代理可以跨这些环境运行。
使用量和团队访问是如何处理的？
定价页面说明所有方案都包含无限 workspace seats 和 voice slots，而使用量通过 credits 和 agent minutes 计量。网站还提到了用于语音代理的内置评估和代理分析。
Cartesia 公开列出了哪些集成？
源材料没有提供公开的设置向导或完整的集成列表。材料中确实展示了 API 访问、SDK 和开发者工具，但没有完整列出支持的语言或第三方集成。
Quick Facts
- 类别
- 语音 AI 平台
- 产品
- Sonic, Ink, Line
- 主要用途
- 实时语音生成、转录和语音代理
- 部署
- 云、本地、VPC、设备端
- 定价
- Free, Pro, Startup, Scale, Enterprise
- 来源域名
- cartesia.ai