Cartesia — нейросети для музыки, аудио и озвучивания

Cartesia — это голосовая платформа, предназначенная для разработчиков, создающих голосовые продукты в реальном времени. На главной странице указаны Sonic для преобразования текста в речь, Ink для речи в текст, управляемые агенты для голосовых агентов в телефонных звонках и библиотека голосов. Утверждается, что модели созданы на базе моделей пространства состояний, что, по заявлению компании, обеспечивает низкую задержку, а также предлагаются облачное развертывание, развертывание on-premise и на устройствах, инференс в регионе, API, документация, руководства и сервер MCP. На странице не указаны показатели задержки. В ней перечислены речи на 44 языках и приведены позиции в рейтинге Artificial Analysis как заявление поставщика. Страница цен понятна. Бесплатный тариф стоит $0 с 20K ежемесячных кредитов (около 27 минут преобразования текста в речь) и охватывает преобразование текста в речь и речи в текст. Тариф Pro за $5 в месяц добавляет лицензию на коммерческое использование и мгновенное клонирование голоса. Startup за $49 добавляет профессиональное клонирование голоса и организации, Scale за $299 добавляет приоритетную поддержку, а Enterprise — индивидуальный. Преобразование текста в речь стоит 1 кредит за символ, а речи в текст — 3 кредита за секунду. Голосовые агенты стоят $0.03 за минуту, телефония — $0.014 за минуту, а использование LLM во время звонков оплачивается отдельно. Бесплатный тариф имеет только 2 одновременных запроса TTS и не поддерживает профессиональное клонирование голоса. Cartesia подходит командам, создающим голосовые приложения и агентов; если вам нужна только простая студия озвучки, инструмент с визуальным редактором может оказаться проще.