Cartesia

Cartesia

4.3
访问网站

Cartesia 是一个实时语音 AI 平台，通过单一 API 提供低延迟的文字转语音、语音转文字以及可用于生产环境的语音 Agent，支持 44 种语言，适合构建实时语音交互应用的开发者和产品团队。

关注
标签
text-to-speech语音转文字AI语音识别AI Agent实时转写
最后更新 2026 年 11 月 10 日
Cartesia 截图

简介

Cartesia 是一家语音 AI 公司，专注于构建面向实时对话的语音模型和语音 Agent。其产品解决的是交互式语音应用的核心难题——延迟：语音响应太慢会破坏通话的自然节奏，因此 Cartesia 在技术栈的各个层面都以速度为先，同时不牺牲准确性。

平台通过单一 API 提供三个主要产品：Sonic（文字转语音模型）、Ink（流式语音转文字模型）和 Managed Agents（用于构建和部署可接听与外呼电话的语音 Agent 平台）。这些产品均基于 state space model（SSM）架构运行，公司团队曾参与 Mamba 和 H-Nets 等相关研究。Cartesia 支持 44 种语言，可部署在云端、本地和设备端，并为有数据驻留和合规要求的组织提供区域内推理。

主要功能

Sonic（文字转语音）：官方描述为快速且逼真的语音合成模型，可将文字生成为多种语言的语音音频。
Ink（语音转文字）：为速度和准确性而设计的流式转写模型，适合实时字幕和对来电者的实时理解。
Managed Agents：用于构建和上线企业级语音 Agent 的平台，Agent 可拨打和接听电话，由 Cartesia 自有的语音模型驱动。
State space model 架构：底层模型基于 SSM 构建，Cartesia 认为这是其在大规模场景下保持低延迟的关键。
灵活部署：同一套模型和 Agent 可通过区域 API 端点在云端运行，也可本地部署或运行在设备端。
多语言支持：语音模型覆盖 44 种语言，可支撑客服和本地化场景。
语音克隆：付费套餐可用，包括即时克隆（Pro 及以上）和专业语音克隆（Startup 及以上）。

定价与费用

  • 定价：Free 套餐 $0/月（20K credits、$1 预付 Agent 用量）；Pro 套餐 $5/月（100K credits、商用许可）；Startup 套餐 $49/月（1.25M credits）；Scale 套餐 $299/月（8M credits）；Enterprise 套餐定制，按量定价。
  • 按用量的 Agent 通话计费：语音 Agent 通话按时长计费 $0.06/分钟；使用 Cartesia 提供的电话号码时，电话线路费为 $0.014/分钟。
  • 免费套餐可用：Free 套餐同时包含文字转语音和语音转文字的访问权限，可在付费前测试 API。
  • 独立并发池：文字转语音、语音转文字和语音 Agent 服务各自拥有独立的并发上限，一项服务的重度使用不会挤占其他服务的容量。

适用人群

Cartesia 面向构建交互式语音应用的开发者和产品团队，尤其是响应速度至关重要的场景，例如电话客服、外呼核实电话以及金融行业的分级身份验证。医疗、政府、零售和旅游行业的企业团队可使用其语音 Agent 处理来电和外呼。本地化和内容团队可将其多语言文字转语音用于配音工作，初创公司也能以较低的月费获得入门套餐和商用许可。对合规要求严格的组织可选择本地或设备端部署。

常见问题

Cartesia 是什么？它是一个语音 AI 平台，通过单一 API 提供实时文字转语音（Sonic）、语音转文字（Ink）和托管语音 Agent，支持 44 种语言。

Cartesia 有免费套餐吗？有。Free 套餐每月 $0，包含 20,000 credits 和 $1 预付 Agent 用量，付费套餐从每月 $5 起。

Cartesia 的模型可以部署在哪里？同一套模型和 Agent 可通过区域 API 端点在云端运行，也可本地部署或运行在设备端，并支持区域内推理以满足延迟、数据驻留和合规需求。

Cartesia 语音 Agent 通话的费用是多少？通话时长按 $0.06/分钟计费；在标准套餐下使用 Cartesia 提供的电话号码时，电话线路费为 $0.014/分钟。

Cartesia 基于什么研究？公司团队长期研究 state space model 架构，包括 Mamba 和 H-Nets，这些工作支撑了其低延迟语音模型。

用户评价 (0)

你会推荐 Cartesia 吗？留下你的评价

0/5000

相关教程

查看全部 →
AI 早报 11月10日 阅读更多 →
Anthropic 正式发布 Claude Fable 5.2 与 Mythos 5.2：编码推理视觉全面超越 Opus 5.5 阅读更多 →
AI 早报 11月9日 阅读更多 →
2
2026 年学生必备的 10 款 AI 工具：学习、写作与研究全覆盖 阅读更多 →
AI 早报 11月8日 阅读更多 →

相关工具

查看全部 →
Speechify Speechify Speechify 是一款文字转语音与语音 AI 应用，可在各类主流设备上朗读 PDF、文档和网页，也能把语音转为文字，适合学生、职场人士和有阅读障碍的用户。 听脑AI - 录音助手 听脑AI - 录音助手 听脑AI是一款专业智能录音转文字工具，采用AI技术实现98%准确率的实时语音转写，支持多场景会议记录与智能总结，3分钟即可处理1小时会议内容。 FunASR - End-to-End Speech Recognition Toolkit - 高效语音识别 FunASR - End-to-End Speech Recognition Toolkit - 高效语音识别 FunASR 是一款工业级端到端语音识别工具包，支持 50+ 语言，GPU 上可达 170 倍实时率，并提供说话人分离、情感检测与 OpenAI 兼容 API 等能力。 IBM Watson text-to-speech IBM Watson text-to-speech 提供多语言语音转文本API，支持SaaS及本地化部署。 NaturalReader NaturalReader NaturalReader 是一款 AI 文字转语音平台，可将文档、网页和扫描文本转换为自然的语音，适合个人、商业和教育场景使用。