Cartesia — IA para Música, Audio y Producción de Voz

Cartesia es una plataforma de voz dirigida a desarrolladores que crean productos de voz en tiempo real. La página principal enumera Sonic para texto a voz, Ink para voz a texto, agentes gestionados para agentes de voz en llamadas telefónicas y una biblioteca de voces. Indica que los modelos están construidos sobre modelos de espacio de estados, lo que la empresa atribuye a su baja latencia, y ofrece implementación en la nube, local y en el dispositivo, inferencia en la región y una API, documentación, guías y un servidor MCP. La página no ofrece cifras de latencia. Enumera voz en 44 idiomas y cita clasificaciones de la tabla de líderes de Artificial Analysis como una afirmación del proveedor. La página de precios es clara. El plan gratuito es de $0 con 20K créditos mensuales, unos 27 minutos de texto a voz, y cubre texto a voz y voz a texto. Pro a $5 al mes añade una licencia de uso comercial y clonación instantánea de voz. Startup a $49 añade clonación de voz profesional y organizaciones, Scale a $299 añade soporte prioritario y Enterprise es personalizado. El texto a voz cuesta 1 crédito por carácter y la voz a texto 3 créditos por segundo. Los agentes de voz cuestan $0.03 por minuto, la telefonía cuesta $0.014 por minuto y el uso de LLM durante las llamadas se factura por separado. El plan gratuito solo tiene 2 solicitudes de TTS simultáneas y no incluye clones de voz profesionales. Cartesia se adapta a los equipos que crean aplicaciones y agentes de voz; si solo quieres un estudio de narración sencillo, una herramienta con un editor visual puede ser más fácil.