Cartesia

Cartesia se centra en la velocidad de la IA de voz. Sus modelos Sonic, construidos sobre arquitecturas de modelos de espacio de estados y no solo sobre transformers, generan voz de sonido natural con una latencia muy baja, de modo que un agente de voz puede empezar a hablar casi en cuanto tiene lista la respuesta. Eso importa en las llamadas telefónicas y los asistentes en directo, donde los retrasos resultan incómodos. La empresa también ofrece clonación de voz y control de la emoción y del ritmo del habla.

La plataforma se ha convertido en un conjunto de piezas de voz en tiempo real. Sonic se encarga del texto a voz, Ink de la voz a texto, y las herramientas para agentes de voz gestionados ayudan a las empresas a desplegar agentes que atienden llamadas. Los desarrolladores se conectan mediante API y SDK, y Cartesia funciona con los frameworks de agentes de voz y los proveedores de telefonía habituales. El soporte multilingüe permite que un mismo sistema atienda a clientes en distintos idiomas.

Cartesia tiene un nivel gratuito para probar y precios de pago por uso para producción, además de acuerdos para empresas. Está dirigida a desarrolladores y empresas que crean productos de voz, no a creadores que buscan un estudio para narrar vídeos, donde ElevenLabs o Murf resultan más cómodos. Entre los competidores en voz en tiempo real están ElevenLabs, Deepgram, los modelos de voz de OpenAI y Rime. La calidad de la voz y la latencia varían según el idioma y las condiciones de red, así que conviene probarla con tu propio caso de uso.