Cartesia Sonic 3.6
PulseAugur coverage of Cartesia Sonic 3.6 — every cluster mentioning Cartesia Sonic 3.6 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AssemblyAI 发布面向语音代理的每百万字符 15 美元的 TTS API
AssemblyAI 推出了 AssemblyAI-TTS-1，这是一款专为实时电话呼叫中的语音代理设计的新型文本转语音 API。该服务以每百万字符 15 美元的价格提供具有竞争力的定价，并在自测中声称具有低延迟，首字节中位数为 47 毫秒。虽然它在实体准确性方面表现出与 ElevenLabs v4 相当的水平，但独立基准测试显示，与 Inworld TTS-2 Flash 等竞争对手相比，在延迟和自然度方面结果好坏参半。
-
Runway ML 发布 2026 年秋季系列，推出新的视频和音频 AI 模型
Runway ML 推出了其 2026 年秋季系列，引入了多项新的 AI 模型和功能。其中包括用于视频编辑的 FLUX Video Edit，用于将分辨率提升至 2K 和 4K 的 FLUX Video Upscale，用于多语言音频生成的 Cartesia Sonic 3.6，以及用于高速处理的 MiniMax H3 Max。该系列还包括 Fish Audio S2.1-Pro，提供经济高效且富有表现力的音频生成。
-
Gradium AI 发布新的 TTS 模型，难句通过率为 81%
Gradium AI 发布了一款新的默认文本转语音模型，据报告在五种语言的难句测试集中达到了 81.0% 的人工评级通过率。该新模型显著优于其前代产品，提供 216 毫秒的首音频时间，比之前快了 170 毫秒。为提高透明度和促进进一步研究，该公司已在 Hugging Face 上公开了其 500 个句子的评估数据集。