Sakhanda Wire
NVDA $152.86 -2.10% MSFT $505.56 -2.40% GOOGL $280.34 -1.19% META $618.69 -1.23% AMZN $256.63 -0.43%
← До новин

Sonic-3.6 очолив два рейтинги систем синтезу мовлення

Cartesia випустила Sonic-3.6 — нову версію своєї моделі перетворення тексту на мовлення в реальному часі, приблизно через три місяці після Sonic-3.5. Модель посіла перше місце в обох рейтингах мовлення Artificial Analysis: 1 283 Elo у Provider Voice та 1 123 Elo у Controlled Voice. В останньому всі моделі тестують на однакових восьми еталонних голосах. Sonic-3.5 посів друге місце, а ElevenLabs Eleven v3 — третє.

Sonic-3.6 працює на моделях простору станів, а не на трансформерах. Cartesia заявляє час до першого аудіосигналу менш як 90 мілісекунд, але зазначає, що це затримка моделі, а не вимірювання повного шляху від запиту до відповіді. Продукт доступний у бета-версії через розміщений API. Самостійно розгорнути ваги не можна: модель є закритою комерційною системою.

API підтримує теги виразності, клонування голосу приблизно з 10 секунд аудіо, словники вимови та параметри швидкості, гучності й емоцій. Artificial Analysis наводить нормалізовану ціну $49.00 за 1M символів — проти $100.00 для ElevenLabs Eleven v3 і $10.00 для Speechify Simba 3.2. План Scale коштує $299 на місяць і містить близько 10 667 хвилин синтезу та 15 одночасних запитів.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини