Cartesia'nın Sonic-3.6 sesi, Artificial Analysis'in iki tablosunda da birinci
Mimarisini baştan kurduklarını söyleyen şirketin yeni metin-konuşma modeli, bağımsız değerlendirmede hem sağlayıcı hem denetimli ses sıralamasında önde. Model şu an beta ve yalnızca Cartesia API'sinde.
Ses teknolojisi şirketi Cartesia, metinden konuşma üreten Sonic-3.6 modelini genel kullanıma açtı. Şirket ocak ayında mevcut yaklaşımı ince ayarlamayı bırakıp mimariyi baştan kurmaya karar verdiğini, iki ayda kendi en iyi modelini geçtiğini söylüyor.
Bağımsız değerlendirme kuruluşu Artificial Analysis'in Konuşma Arenası'nda model iki tabloda da ilk sırada. Sağlayıcı Sesi tablosunda 1286 Elo ile Speechify'ın Simba 3.2 (1238) ve Alibaba'nın Qwen-Audio-3.0-TTS-Plus (1237) modellerinin önünde. Denetimli Ses tablosunda ise 1144 Elo ile Cartesia'nın kendi Sonic 3.5'i (1099) ve ElevenLabs'ın Eleven v3'ünün (1060) üzerinde. Bu sıralamalar canlı güncelleniyor; puanlar zamanla değişebilir.
Modelin teknik farkı mimarisinde: Cartesia dönüştürücü (transformer) yerine durum uzayı modelleri kullanıyor. Şirketin verdiği rakama göre ilk sese kadar geçen süre 90 milisaniyenin altında. Model 40'tan fazla dili destekliyor.
Erişim tarafında bir ayrıntı var: Sonic-3.6 şu an beta ve yalnızca Cartesia'nın kendi API'si üzerinden kullanılabiliyor. Şirketin dokümantasyonunda kararlı sürüm olarak hala Sonic 3.5 listeleniyor ve iş ortakları da 3.5 taşıyor. Model barındırılan bir hizmet olarak sunuluyor; ağırlıklar indirilemiyor.
Ayrıntılar için Cartesia'nın blogu ve Artificial Analysis sayfası.
