Introdução
Cartesia é uma empresa de IA de voz que constrói modelos de fala em tempo real e agentes de voz projetados para conversas ao vivo. Seus produtos abordam o desafio central de aplicações de voz interativas: a latência. Uma fala que chega muito devagar quebra o ritmo natural de uma chamada, por isso a Cartesia projeta toda a sua stack com foco em velocidade sem sacrificar a precisão.
A plataforma combina três produtos principais acessíveis por meio de uma única API: Sonic, um modelo de texto-para-fala; Ink, um modelo de fala-para-texto em streaming; e Managed Agents, uma plataforma para construir e implantar agentes de voz capazes de atender e realizar chamadas telefônicas. Todos eles rodam em arquiteturas de modelo de espaço de estados (SSM), uma direção de pesquisa para a qual a equipe da empresa contribuiu por meio de trabalhos como Mamba e H-Nets. A Cartesia suporta 44 idiomas e oferece implantação em nuvem, on-premise e on-device, com inferência na região para organizações que precisam atender a requisitos de residência de dados e conformidade.
Principais Recursos
- Sonic (texto-para-fala): Um modelo de síntese de fala que a empresa descreve como rápido e realista, usado para gerar áudio falado a partir de texto em diversos idiomas.
- Ink (fala-para-texto): Um modelo de transcrição em streaming construído para velocidade e precisão, adequado para legendagem ao vivo e compreensão em tempo real de chamadores.
- Managed Agents: Uma plataforma para construir e lançar agentes de voz corporativos que podem fazer e receber chamadas, alimentados pelos próprios modelos de fala da Cartesia.
- Arquitetura de modelo de espaço de estados: Os modelos subjacentes são construídos sobre SSMs, aos quais a Cartesia atribui a manutenção de baixa latência em escala.
- Implantação flexível: Os mesmos modelos e agentes podem rodar na nuvem por meio de endpoints regionais de API, on-premise ou on-device.
- Suporte multilíngue: Os modelos de fala cobrem 44 idiomas, atendendo casos de uso de atendimento ao cliente e localização.
- Clonagem de voz: Disponível em planos pagos, incluindo clonagem instantânea (Pro e acima) e clonagem profissional de voz (Startup e acima).
Destaques
- Preços: Os planos começam com uma camada gratuita ($0/mês, 20K créditos, $1 em uso pré-pago de agentes), Pro a $5/mês (100K créditos, licença de uso comercial), Startup a $49/mês (1,25M créditos), Scale a $299/mês (8M créditos) e um plano Enterprise personalizado com preços por volume.
- Chamadas de agentes com cobrança por uso: A duração das chamadas dos agentes de voz é cobrada a $0,06 por minuto, com telefonia a $0,014 por minuto ao usar um número de telefone fornecido pela Cartesia.
- Camada gratuita disponível: O plano Free inclui acesso tanto a texto-para-fala quanto a fala-para-texto, permitindo testar a API antes de pagar.
- Pools de concorrência separados: Os serviços de texto-para-fala, fala-para-texto e agentes de voz têm limites de concorrência dedicados, de modo que o uso intenso de um não reduz a capacidade dos outros.
Para Quem É
A Cartesia atende desenvolvedores e equipes de produto que constroem aplicações de voz interativas, especialmente aquelas em que o tempo de resposta importa, como atendimento ao cliente por telefone, chamadas de verificação outbound e autenticação reforçada em serviços financeiros. Equipes corporativas em saúde, governo, varejo e viagens podem usar seus agentes de voz para chamadas inbound e outbound. Equipes de localização e conteúdo podem usar o texto-para-fala multilíngue para dublagem e locução, enquanto startups obtêm um plano de entrada e licenciamento comercial a um baixo custo mensal. Organizações com necessidades rigorosas de conformidade podem optar por implantação on-premise ou on-device.
