¿Qué es Cartesia Sonic 3.6?
Sonic 3.6 pasó a disponibilidad general el 27 de agosto de 2026 (instantánea sonic-3.6-2026-08-27). Cartesia dice que es totalmente compatible con Sonic 3.5, conserva los clones de voz profesionales creados con modelos anteriores y adapta el ritmo, las pausas y la entonación a la transcripción sin etiquetas SSML.
Habla 44 idiomas, entre los que se añaden el odia y el urdu, y mejora el hinglish y los nombres y lugares indios. Cartesia ofrece instantáneas fechadas que nunca cambian, un alias móvil sonic-3.6 que sigue la última instantánea estable y un canal sonic-preview que puede cambiar sin aviso.
¿Cuánto cuesta Cartesia Sonic 3.6?
| Plan | Precio | Qué incluye |
|---|---|---|
| Free | Free | 20K créditos/mes, sin licencia comercial |
| Pro | $5 | 100K créditos |
| Startup | $49 | 1,25M créditos |
| Scale | $299 | 8M créditos |
Plan gratuito con 20K créditos/mes (sin licencia comercial); Pro $5 (100K), Startup $49 (1,25M), Scale $299 (8M); exceso de $38 a $65 por 1M de créditos. Un crédito es un carácter, unos 750 a 800 por minuto de audio.
¿Merece la pena Cartesia Sonic 3.6?
Sonic 3.6 es cuarto en la arena de voz de Artificial Analysis con 1289 Elo, por detrás de Eleven v4 Turbo (1335), Eleven v4 (1329) y Qwen-Audio-3.1-TTS-Plus de Alibaba (1301). Es un salto de 98 puntos desde Sonic 3.5 al mismo precio de $49 por millón de caracteres, y deja a Cartesia 11 puntos por delante de Gemini 3.8 Flash TTS.
En precio queda en un incómodo término medio. Eleven v4 Turbo está mejor clasificado y cuesta $40 por millón de caracteres en la comparativa de Artificial Analysis, mientras que Gemini 3.8 Flash TTS ($16,5) y Qwen-Audio-3.1 ($19,3) cuestan bastante menos de la mitad con puntuaciones a unos 12 puntos. La baza de Cartesia está en su infraestructura para agentes: una API WebSocket con context IDs para transmitir transcripciones parciales, marcas de tiempo por palabra y fonema, codificaciones de telefonía como mu-law a 8 kHz y una plataforma de agentes alojada a $0,06 el minuto.
El versionado es la razón de más peso para elegirlo en producción. Las instantáneas fechadas no cambian nunca tras su lanzamiento, así que la voz de un centro de contacto puede congelarse mientras el equipo evalúa la siguiente, y Cartesia no publica fechas de retirada para las instantáneas antiguas. La latencia es otra cuestión: la documentación llama a Sonic el modelo más rápido, pero no da ninguna cifra de tiempo hasta el primer audio, así que la latencia hay que medirla con tu propio tráfico.
Las condiciones sobre datos requieren atención antes de un despliegue regulado. La política de privacidad de Cartesia, revisada por última vez en junio de 2024, dice que puede usar el texto subido, las grabaciones de voz y el audio generado para entrenar sus modelos, con un formulario de exclusión que solo se aplica desde la fecha en que se presenta. Los DPA, los BAA, el SSO y el despliegue on-premise o en VPC son solo de Enterprise, mientras que SOC 2 Type II cubre toda la empresa.
Dónde se gana su sitio
Una startup de IA de voz que gestiona un agente saliente de reserva de citas
Hablar con una voz de marca estable en llamadas telefónicas sin volver a probar cada mes
Fija sonic-3.6-2026-08-27 en la API WebSocket con pcm_mulaw a 8 kHz para telefonía. Startup, a $49, da 1,25M de créditos, unos 1.600 minutos de voz, y 5 flujos simultáneos.
Un responsable de operaciones de un centro de contacto con 100.000 minutos de voz de agente al mes
Presupuestar el TTS de una primera línea de IA que sustituye al IVR de cola de espera
Con unos 800 caracteres por minuto son 80M de créditos: los 8M de Scale por $299 más 72M a $38 por millón, unos $3.000 al mes. Eleven v4 Turbo a su tarifa de $40 ronda los $3.200; Gemini 3.8 Flash TTS con la tarifa de Artificial Analysis, unos $1.300.
Un equipo de producto de tecnología educativa con alumnos en la India
Leer las lecciones en voz alta en hindi, hinglish, odia y urdu
Fija el idioma o la configuración regional en cada petición; la 3.6 añadió odia y urdu con clonación instantánea y mejoró el hinglish. Exclúyete del entrenamiento con el formulario de controles de datos antes de subir muestras de voz de los profesores.
Antes de decidirte
- Puesta en marcha
- Clave de API desde el playground de Cartesia; llama a sonic-3.6 o a una instantánea fechada por REST o WebSocket. La clonación instantánea de voz requiere Pro o superior; los clones profesionales requieren Startup (2 plazas) o Scale (4).
- Integraciones
- Streaming por WebSocket con context IDs, flush y cancel; marcas de tiempo por palabra y fonema; salida PCM y mu-law/A-law de 8 a 48 kHz; la plataforma de agentes y los números de teléfono propios de Cartesia.
- Datos y privacidad
- La política de privacidad (junio de 2024) permite entrenar con el texto subido, el audio y las salidas salvo que te excluyas mediante un formulario, y no indica ningún periodo de retención. SOC 2 Type II en toda la empresa; DPA, BAA, SSO y despliegue on-premise o en VPC solo en Enterprise.
- Coste a escala
- Unos 750 a 800 créditos por minuto de audio. 100.000 minutos al mes son unos 80M de créditos, unos $3.000 en Scale con el exceso a $38 por millón; los precios por volumen de Enterprise no se publican. Los agentes añaden $0,06 por minuto.
- Límites
- Flujos TTS simultáneos: 2 en Free, 3 en Pro, 5 en Startup, 15 en Scale. Con los excesos desactivados, las peticiones se bloquean al agotarse los créditos. El búfer de texto espera por defecto hasta 3 segundos antes de generar.
Lo bueno
- Cuarto en la arena de voz de Artificial Analysis, 98 Elo por encima de Sonic 3.5
- Instantáneas fechadas que nunca cambian
- API WebSocket de streaming con marcas de tiempo por palabra y fonema
- 44 idiomas, ahora con odia y urdu
Lo malo
- Entrena con el contenido de los clientes por defecto; la exclusión es un formulario
- Cuesta más por carácter que Eleven v4 Turbo, mejor clasificado
- Sin cifras de latencia publicadas
- El plan gratuito no tiene licencia comercial; la concurrencia empieza en 2 flujos
Ideal para
Equipos que construyen agentes de voz en producción y quieren voces estables y versionadas a un precio moderado.
Alternativas a Cartesia Sonic 3.6
Cartesia Sonic 3.6: preguntas frecuentes
- ¿Merece la pena Cartesia Sonic 3.6?
- Sonic 3.6 recortó en una sola versión casi toda la distancia con ElevenLabs y cuesta menos por carácter que Eleven v4, pero entrena con el contenido de los clientes salvo que te excluyas. Le damos un 4.4 sobre 5.
- ¿Cuánto cuesta Cartesia Sonic 3.6?
- Plan gratuito con 20K créditos/mes (sin licencia comercial); Pro $5 (100K), Startup $49 (1,25M), Scale $299 (8M); exceso de $38 a $65 por 1M de créditos. Un crédito es un carácter, unos 750 a 800 por minuto de audio.
- ¿Qué inconvenientes tiene Cartesia Sonic 3.6?
- Entrena con el contenido de los clientes por defecto; la exclusión es un formulario; cuesta más por carácter que Eleven v4 Turbo, mejor clasificado; sin cifras de latencia publicadas; el plan gratuito no tiene licencia comercial; la concurrencia empieza en 2 flujos.
- ¿Para quién es Cartesia Sonic 3.6?
- Equipos que construyen agentes de voz en producción y quieren voces estables y versionadas a un precio moderado.
- ¿Cuánto cuesta Cartesia Sonic 3.6 para un equipo o en producción?
- Unos 750 a 800 créditos por minuto de audio. 100.000 minutos al mes son unos 80M de créditos, unos $3.000 en Scale con el exceso a $38 por millón; los precios por volumen de Enterprise no se publican. Los agentes añaden $0,06 por minuto.
- ¿Es Cartesia Sonic 3.6 seguro para los datos de la empresa?
- La política de privacidad (junio de 2024) permite entrenar con el texto subido, el audio y las salidas salvo que te excluyas mediante un formulario, y no indica ningún periodo de retención. SOC 2 Type II en toda la empresa; DPA, BAA, SSO y despliegue on-premise o en VPC solo en Enterprise.
- ¿Cuáles son las mejores alternativas a Cartesia Sonic 3.6?
- Las alternativas más cercanas que hemos analizado son Eleven v4 and v4 Turbo y Gemini 3.8 Flash TTS.
Respuestas comprobadas el 22 oct 2026.