Cartesia — IA para Música, Áudio e Produção de Voz

O Cartesia é uma plataforma de voz voltada para desenvolvedores que constroem produtos de voz em tempo real. A página inicial lista o Sonic para texto para fala, o Ink para fala para texto, Agentes Gerenciados para agentes de voz em chamadas telefônicas e uma biblioteca de vozes. Ela afirma que os modelos são construídos em modelos de espaço de estados, o que a empresa credita pela baixa latência, e oferece implantação em nuvem, local (on-premise) e no dispositivo, inferência na região e uma API, documentação, manuais (cookbooks) e um servidor MCP. A página não fornece números de latência. Ela lista fala em 44 idiomas e cita classificações de placar da Artificial Analysis como uma afirmação do fornecedor. A página de preços é clara. O plano Free custa $0 com 20K créditos mensais, cerca de 27 minutos de texto para fala, e cobre texto para fala e fala para texto. O Pro a $5 por mês adiciona uma licença de uso comercial e clonagem de voz instantânea. O Startup a $49 adiciona clonagem de voz profissional e organizações, o Scale a $299 adiciona suporte prioritário e o Enterprise é personalizado. O texto para fala custa 1 crédito por caractere e a fala para texto 3 créditos por segundo. Os agentes de voz custam $0.03 por minuto, a telefonia custa $0.014 por minuto e o uso de LLM durante as chamadas é cobrado separadamente. O plano Free tem apenas 2 solicitações concorrentes de TTS e nenhum clone de voz profissional. O Cartesia se encaixa em equipes que constroem aplicativos e agentes de voz; se você quer apenas um estúdio de narração simples, uma ferramenta com um editor visual pode ser mais fácil.