Cartesia
Cartesia ofrece generación de voz en tiempo real, transcripción y modelos de agentes de voz basados en modelos de espacio de estados, a los que se accede mediante una única API.
Acerca de esta herramienta
Cartesia crea modelos de IA de voz en tiempo real para desarrolladores. Una única API ofrece síntesis de voz, transcripción en directo y agentes de voz con una latencia lo bastante baja para la conversación en tiempo real. Los modelos de la empresa se basan en modelos de espacio de estados, una arquitectura que presenta como capaz de permitir baja latencia, razonamiento sobre contextos largos y eficiencia a escala.
Los clientes usan Cartesia para agentes de voz en ámbitos como los servicios financieros, por ejemplo, llamadas de verificación salientes sobre transacciones sospechosas. Los precios dan a cada plan una bolsa mensual de créditos para texto a voz y transcripción, además de dólares prepagados para agentes gestionados, y cada servicio tiene su propio grupo de concurrencia para que no compitan por la capacidad.
Qué puedes hacer
Texto a voz
Generación de voz de baja latencia diseñada para aplicaciones interactivas en directo.
Transcripción en streaming
Voz a texto en tiempo real para conversaciones y agentes.
Agentes de voz gestionados
Despliega agentes de voz de producción facturados por minuto con cargo a los saldos prepagados.
Grupos de concurrencia separados
TTS, STT y agentes tienen cada uno capacidad dedicada.
¿Para quién es?
- Un banco realiza llamadas de verificación automatizadas sobre actividad inusual en tarjetas.
- Un desarrollador añade una voz en tiempo real a una app conversacional.
- Un centro de contacto transcribe llamadas en directo para asistir a los agentes.
Antes de elegir
Las clasificaciones de la tabla de líderes citadas en el sitio son instantáneas; prueba las voces y la latencia en tu propio caso de uso.
Los precios basados en créditos difieren entre TTS, STT y agentes, así que calcula tu combinación antes de elegir un plan.
Preguntas frecuentes
¿Qué hace diferentes a los modelos de Cartesia?
Cartesia construye sus modelos sobre modelos de espacio de estados, una arquitectura que, según la empresa, ofrece baja latencia y un procesamiento eficiente de contextos largos.
¿Tiene Cartesia un plan gratuito?
Sí. El plan gratuito incluye 20 000 créditos al mes para modelos de voz y 1 $ de uso de agentes prepagado.
¿Cuánto cuestan los agentes de voz de Cartesia?
Cartesia indica unos 0,06 $ por minuto para los agentes de voz gestionados, que se descuentan de los importes prepagados incluidos en cada plan.
Consulta el sitio web oficial para conocer las funciones, los precios y las condiciones actuales.
Herramientas similares
AssemblyAI
AudioAssemblyAI ofrece API de conversión de voz a texto e IA de voz, incluidos sus modelos Universal de voz, transcripción en streaming, comprensión del habla y una API de agentes de voz.
Deepgram
AudioDeepgram proporciona API de voz a texto y de texto a voz para desarrolladores, incluidos los modelos de transcripción Nova y los modelos Flux diseñados para agentes de voz.
Retell AI
AutomatizaciónRetell AI es una plataforma para crear, probar y desplegar agentes de voz con IA que gestionan llamadas telefónicas, con precios de pago por uso y conversaciones de baja latencia.
Google AI Studio
ProgramaciónGoogle AI Studio es el espacio de trabajo web de Google para probar los modelos Gemini, obtener una clave de API de Gemini, crear prototipos y pasarlos a producción.
Vapi
AutomatizaciónVapi es una plataforma para desarrolladores que permite crear agentes de IA de voz que gestionan llamadas telefónicas y web, combinando reconocimiento de voz, un LLM y síntesis de voz.
Murf AI
AudioMurf AI es una plataforma de generación de voz que convierte texto escrito en audio hablado, permite a los usuarios editar grabaciones existentes y añade música de fondo.