Cartesia

Cartesia mise sur la vitesse en IA vocale. Ses modèles Sonic, bâtis sur des architectures de modèles à états (state-space) plutôt que seulement sur des transformers, génèrent une parole naturelle avec une latence très basse, pour qu’un agent vocal commence à parler presque dès que la réponse est prête. Ça compte pour les appels téléphoniques et les assistants en direct, où les délais paraissent gênants. L’entreprise propose aussi le clonage de voix et un contrôle de l’émotion et du débit.

La plateforme est devenue un ensemble de briques vocales en temps réel. Sonic gère la synthèse vocale, Ink la transcription, et des outils d’agents vocaux gérés aident les entreprises à déployer des agents qui répondent au téléphone. Les développeurs se connectent par des API et des SDK, et Cartesia fonctionne avec les frameworks d’agents vocaux et les opérateurs de téléphonie courants. Le multilingue permet à un seul système de servir des clients dans différentes langues.

Cartesia a une offre gratuite pour les tests et une tarification à l’usage en production, plus des arrangements pour les entreprises. C’est pensé pour les développeurs et les entreprises qui construisent des produits vocaux, pas pour les créateurs qui cherchent un studio pour narrer des vidéos, où ElevenLabs ou Murf sont plus pratiques. Les concurrents pour la voix en temps réel incluent ElevenLabs, Deepgram, les modèles vocaux d’OpenAI et Rime. La qualité de voix et la latence varient selon la langue et le réseau, donc un test sur ton propre cas d’usage est prudent.