CartesiaAudiomodellAktiv
Sonic 3.6
BeliebtheitPlatz 279 von 875
39von 100wie im Vormonat
Zusammenfassung
Sonic 3.6 ist Cartesias schnelles, natürlich klingendes Text-to-Speech-Modell mit 44 Sprachen. Es folgt dem Transkript eng, spricht Bestätigungscodes und schwierige Homografen ohne Vorverarbeitung aus und passt Pausen sowie Sprechtempo an den Kontext an. Auch Hindi in lateinischer Schreibweise sowie Odia und Urdu gehören zum dokumentierten Ausbau.
Cartesia führt sonic-3.6 als Alias für den neuesten stabilen Snapshot, während sonic-3.6-2026-08-27 auf dieser datierten Version bleibt. Die beiden Kennungen unterscheiden sich damit in der Reproduzierbarkeit, nicht in der dokumentierten Modellfamilie.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 147 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 13
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Coval pooled corpus-level synthesized-speech word error rate (TTS WER) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.4981466606730975
- Bewertung
- 1.4981466606730975
- Messgröße
- Pooled corpus-level synthesized-speech word error rate, Coval pooled_value
- Einheit
- %
- Benchmark-Version
- Coval rolling 30-day window, re-measured daily; route last measured 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 2100
- Quellentyp
- official-leaderboard
- Auswertung
- Coval
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Offizielle Benchmark-Rangliste. Coval-Endpunktschlüssel cartesia/sonic-3.6, exakte Cartesia-API-Modellkennung sonic-3.6, gehostet von Cartesia. Dies ist eine modellbezogene WER-Messung synthetisierter Sprache; die öffentliche Route nennt die getestete Stimme nicht. Es ist keine STT-WER. Rollierendes 30-Tage-Fenster, tägliche Neumessung.
- Einordnung
- Dies ist Covals gepoolte, korpusweite WER synthetisierter Sprache am exakten Sonic-3.6-Endpunkt, nicht der separate Mittelwert pro Clip oder ein gerundeter Ranglistenwert. Gepoolte WER und mittlere WER pro Clip sind unterschiedliche Aggregationen und dürfen nicht als derselbe Wert verglichen werden. Verwendet wird sample_count der WER-Zeile, nicht die Stichprobenzahl einer anderen Metrik oder eine Gesamtzahl der Rangliste. Der Wert misst die Verständlichkeit der Ausgabe, nicht die STT-Genauigkeit. Die getestete Stimme ist in der öffentlichen Route nicht angegeben, daher ist dies kein stimmspezifisches Ergebnis. Die Messung stammt von Covals gehostetem Cartesia-Endpunkt, nicht aus einer lokalen oder nativen Ausführung.
Blind native-speaker preference share, English (US) vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 92
- Bewertung
- 92
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for English (US) over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, English (UK) vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 72
- Bewertung
- 72
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for English (UK) over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, English (Australia) vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 77
- Bewertung
- 77
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for English (Australia) over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, Spanish (Mexico) vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 70
- Bewertung
- 70
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for Spanish (Mexico) over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, Spanish (Spain) vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 91
- Bewertung
- 91
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for Spanish (Spain) over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, Portuguese (Brazil) vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67
- Bewertung
- 67
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for Portuguese (Brazil) over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, French vs Eleven v3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 86
- Bewertung
- 86
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for French over Eleven v3
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Blind native-speaker preference share, Hindi vs Gemini 3.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 55
- Bewertung
- 55
- Messgröße
- Share of valid blind pairwise votes preferring Cartesia Sonic 3.6 for Hindi over Gemini 3.1
- Einheit
- %
- Benchmark-Version
- Cartesia internal blind native-speaker preference report, article published 2026-08-27
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia Sonic 3.6 launch report
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesia berichtet einen verblindeten Paarvergleich mit muttersprachlichen Panels. In dieser exakten Sprachzeile wurde Sonic 3.6 mit einer vergleichbaren Stimme gegen den genannten Wettbewerber verglichen; der angezeigte Anteil entspricht den Modell-Siegen geteilt durch alle gültigen Stimmen.
- Einordnung
- Vom Anbieter durchgeführte Präferenzstudie. Cartesia veröffentlicht weder Abstimmungszahlen je Sprache noch Konfidenzintervalle oder eine unveränderliche Serving-Revision; die Prozentwerte sind keine sprachübergreifende Rangliste.
Gradium hard-case TTS overall sentence pass rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 75.1
- Bewertung
- 75.1
- Messgröße
- All-criteria share of sentences where every element is pronounced correctly and completely; higher is better
- Einheit
- %
- Benchmark-Version
- Gradium hard-case TTS set, generated 2026-08; source article 2026-08-31; default settings
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Gradium, Gradium TTS: you no longer have to choose between latency and accuracy
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Gradiums TTS-Hard-Case-Evaluation, im August 2026 mit Standardeinstellungen erzeugt. Der Satzbestand umfasst 500 Sätze, je 100 auf Englisch, Deutsch, Französisch, Spanisch und Portugiesisch. Unabhängige muttersprachliche Bewertende hörten randomisierte, lautheitsnormalisierte Ausgaben. Die Satz-Erfolgsquote über alle Kriterien wird über zehn Kriterien zusammengeführt und mit gleich gewichteten Sprachen gemittelt. Voice-IDs und unveränderliche API-Versionen sind nicht veröffentlicht. Exaktes Tabellenmodell: Cartesia Sonic 3.6.
- Einordnung
- Gradium ist ein konkurrierender TTS-Anbieter und berichtet seinen eigenen Vergleich. Die Quelle ist daher als Anbieterangabe, nicht als unabhängiges Leaderboard klassifiziert. Gradium wählte die vier Vergleichsmodelle aus. Der Wert ist makro-gewichtet über Sprachen und Kriterien; es wird deshalb weder ein einzelner gepoolter Satz-Nenner noch ein Konfidenzintervall behauptet. Voice-IDs und Serving-Versionen sind nicht angegeben.
Cartesia-reported maximum blind head-to-head listener preference vs Sonic-3.5 across 15 locales (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 93
- Bewertung
- 93
- Messgröße
- Maximum reported share of blind head-to-head tests preferring Sonic-3.6 over Sonic-3.5; source says “up to” across 15 locales
- Einheit
- %
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Cartesia TTS Research, Introducing Sonic-3.6
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Vom Anbieter veröffentlichter Wert. Cartesias Produktforschungsbeitrag vom 27.08.2026 sagt, dass Zuhörende Sonic-3.6 in bis zu 93 % der verblindeten direkten Vergleichstests über fünfzehn Sprachregionen hinweg gegenüber Sonic-3.5 bevorzugten. Dies ist die vom Anbieter genannte Obergrenze, kein Mittelwert und kein Gesamtscore über 15 Sprachregionen.
- Einordnung
- Vom Anbieter berichtet, keine unabhängige Evaluation. Der erfasste Beitrag nennt weder die Sprachregion/den Test für die Obergrenze „bis zu 93 %“ noch Stichprobengröße der Präferenztests, Konfidenzintervalle oder eine vollständige Tabelle je Sprachregion. Die separate 92-%-Aussage für US-Englisch gegenüber Eleven v3 ist bereits in der Baseline enthalten und wird nicht ergänzt.
Cekura TTS hard-part accuracy: numbers and shorthand (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 71
- Bewertung
- 71
- Messgröße
- Share of hard-part readings accepted for numbers and shorthand
- Einheit
- %
- Benchmark-Version
- Cekura TTS Model Benchmarks; current page snapshot 2026-10-19; run date and serving revision not stated
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- official-leaderboard
- Auswertung
- Cekura Bench TTS Model Benchmarks
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Offizielle Benchmark-Rangliste. Vom Evaluator ausgeführter TTS-Benchmark. Cekura zufolge las jedes Modell dieselben 104 Sprachagenten-Sätze je dreimal aus einer Cloud-Region in US East, mit einer Standardstimme je Modell und eigenem Streaming-Protokoll. Die Nicht-Streaming-Zeit reicht vom Senden des vollständigen Texts bis zum ersten hörbaren Ton; die Streaming-Zeit vom letzten gesendeten Wort bis zum ersten hörbaren Ton. Die geschätzte Lesegenauigkeit nutzt Transkripte von Deepgram Nova-3 und OpenAI Whisper; akzeptierte Lesarten werden ohne menschliche Prüfung gezählt. Naturalness nutzt UTMOS, ein offenes Modell zur Vorhersage eines Hörtestwerts. Die erfassten Zeilen nennen weder zellbezogenes N, CI, exaktes Testdatum, Serving-/API-Revision noch konkrete Voice-ID, sofern sie nicht separat angezeigt wird.
- Einordnung
- Cekura legt offen, dass das Unternehmen den Benchmark selbst betreibt und zugleich Test- und Monitoringprodukte im selben Markt verkauft. Die Ergebnisse stammen vom Evaluator und umfassen Stimme, Laufzeit, Protokoll sowie ASR- und UTMOS-Einflüsse. Es handelt sich weder um einen reinen Hörtest mit Menschen noch um eine isolierte Modellmessung.
Seite 1 von 13
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
pyannote Community-1, pyannote: 73
Nemotron-3-Diarization, NVIDIA: 57
Gemini 3.5 Transcribe, Google: 52
Confucius4-R2T2, NetEase Youdao: 52
Granite Speech 5.0 470M TurboCTC, IBM: 52
Kokoro-82M, hexgrad: 51
Nova-3, Deepgram: 51
Fish Audio S2 Pro, Fish Audio: 51
NVIDIA Nemotron 3.5 Transcribe, NVIDIA: 50
Granite Speech 5.0 470M TurboCTC NC, IBM: 50
Orukeet, Oruk: 49
Lyria 3.5, Google: 47
Gemini 3.5 Live Translate, Google: 46
Phonon-2, Fermion Research: 44
Aura-2, Deepgram: 44
Gemini 3.1 Flash TTS, Google: 44
MiniMax-Music3, MiniMax: 41
Audio8-ASR-Infinite, Edge0 AI: 41
GPT-Realtime 2.1, OpenAI: 41
Sonic 3.6, Cartesia: 39
Sonic 3.6
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Sonic 3.6Eleven v3GPT-Live-TranscribeScribe v2Maya 2 Native
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
- Versionen
- sonic-3.6 folgt dem aktuellen stabilen Stand; datierte Snapshots bleiben fest
- Quelle: Versionen
Quellen und Datenstand
Alle 43 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.