Cartesia

Cartesia er grundlagt af Stanford-forskere bag Mamba-arkitekturen og er specialiseret i ultrarask tekst-til-tale til produktionsapplikationer. Virksomhedens Sonic-3-model har en modellatens under 100 ms — ifølge selskabet fire gange hurtigere end nærmeste konkurrent — hvilket gør den velegnet til realtidsstemme-AI-agenter.

Sonic-3 kan udtrykke følelser og le, hvilket giver mere naturlige samtaler end traditionelle TTS-systemer. Modellen dækker 40+ sprog, herunder ni indiske sprog med modersmålskvalitet. Stemme-kloning er indbygget, og man kan skabe egne stemmer via API.

Cartesia tilbyder også en agent-platform kaldet Line, der kombinerer TTS med STT (Ink-Whisper) og LLM til komplette stemmeagent-workflows. Platformen bruges i produktion af virksomheder som ServiceNow og Quora.

Prismodellen er kreditbaseret og starter gratis med 20.000 kreditter pr. måned. Pro-planen koster $4/md (faktureret årligt) og giver 100.000 kreditter. Startups og virksomheder kan vælge $39/md- eller $239/md-planer med markant højere volumen. Enterprise-planer er tilgængelige med HIPAA- og PCI-compliance. Der er ingen dansk brugergrænseflade, og API-integration kræver teknisk opsætning.

Cartesia er primært et TTS-komponentværktøj frem for en komplet agent-platform, og bruges typisk af udviklere, der allerede har et voice agent-framework og blot vil opgradere TTS-laget. Sammenlignet med ElevenLabs tilbyder Cartesia lavere latens og en stærkere gratis plan, men et smallere udvalg af færdige stemmer. Dansk støtte er teknisk mulig via den flersprogede model, men udtalen er ikke på højde med danske modersmålsstemmer, og der er ingen dedikeret dansk stemme i kataloget.