Cartesia Sonic 3.6の欠点は？

初期設定で顧客のコンテンツで学習し、オプトアウトはフォーム提出; より上位のEleven v4 Turboより1文字あたりの価格が高い; レイテンシの数値が公表されていない; Freeプランには商用ライセンスがなく、同時接続は2ストリームから.

チームや本番環境でCartesia Sonic 3.6を使うと費用はいくらか？

音声1分あたり約750〜800クレジットです。月100,000分なら約80Mクレジットで、超過分を100万あたり$38とするとScaleで約$3,000です。Enterpriseの大口価格は公表されていません。エージェントは1分あたり$0.06が加わります。

Cartesia Sonic 3.6は企業データを扱っても安全か？

プライバシーポリシー（2024年6月）は、フォームでオプトアウトしない限り、アップロードされたテキスト、音声、出力での学習を認めており、保持期間は示していません。SOC 2 Type IIは会社全体が対象です。DPA、BAA、SSO、オンプレミスやVPCでの導入はEnterpriseのみです。

Cartesia Sonic 3.6の代わりになるものは？

当サイトでレビューした中で最も近い代替はEleven v4 and v4 Turbo 、 Gemini 3.8 Flash TTSです。

Cartesia Sonic 3.6 レビュー：料金と評価 (2026)

Cartesia Sonic 3.6とは？

Sonic 3.6は2026年8月27日に一般提供されました（スナップショットはsonic-3.6-2026-08-27）。Cartesiaによると、Sonic 3.5と完全な後方互換性があり、旧モデルで作ったプロフェッショナルボイスクローンもそのまま使え、SSMLタグなしで書き起こしに合わせて話す速さ、間、抑揚を調整します。

44言語に対応し、オディア語とウルドゥー語が加わり、ヒングリッシュやインドの人名・地名の発音が改善されました。Cartesiaは、変更されない日付付きのスナップショット、最新の安定版スナップショットを追うsonic-3.6のエイリアス、予告なく変わることがあるsonic-previewチャネルを提供しています。

Cartesia Sonic 3.6の料金は？

プラン	価格	内容
Free	Free	月20Kクレジット、商用ライセンスなし
Pro	$5	100Kクレジット
Startup	$49	1.25Mクレジット
Scale	$299	8Mクレジット

Freeプランは月20Kクレジット（商用ライセンスなし）。Proは$5（100K）、Startupは$49（1.25M）、Scaleは$299（8M）。超過分は1Mクレジットあたり$38〜$65。1クレジットは1文字で、音声1分あたり約750〜800クレジット。

Cartesia Sonic 3.6は使う価値があるか？

Sonic 3.6はArtificial Analysisの音声アリーナで1289 Eloの4位で、Eleven v4 Turbo（1335）、Eleven v4（1329）、AlibabaのQwen-Audio-3.1-TTS-Plus（1301）に次ぐ位置です。Sonic 3.5から同じ100万文字あたり$49のまま98ポイント上がり、Gemini 3.8 Flash TTSを11ポイント上回りました。

価格面では中途半端な位置にあります。Artificial Analysisの比較では、より上位のEleven v4 Turboが100万文字あたり$40で、Gemini 3.8 Flash TTS（$16.5）とQwen-Audio-3.1（$19.3）はスコアの差が約12ポイント以内でありながら、価格は半分を大きく下回ります。Cartesiaの強みはむしろエージェント向けの配管にあります。部分的な書き起こしをストリーミングするためのコンテキストID付きWebSocket API、単語と音素のタイムスタンプ、8 kHzのmu-lawなどの電話向けエンコーディング、1分あたり$0.06のホスト型エージェント基盤です。

本番環境で選ぶ最大の理由はバージョン管理です。日付付きのスナップショットは公開後に変わらないため、チームが次のバージョンを評価している間もコンタクトセンターの声を固定しておけます。Cartesiaは古いスナップショットの廃止日を公表していません。レイテンシは別問題です。ドキュメントはSonicを最速のモデルと呼んでいますが、最初の音声までの時間の数値は示しておらず、自社のトラフィックで測る必要があります。

規制のある環境に導入する前に、データの条件に注意が必要です。2024年6月に最終改訂されたCartesiaのプライバシーポリシーでは、アップロードされたテキスト、音声録音、生成された音声をモデルの学習に使うことがあるとしており、オプトアウトのフォームは提出日以降にしか適用されません。DPA、BAA、SSO、オンプレミスやVPCでの導入はEnterpriseのみで、SOC 2 Type IIは会社全体を対象としています。

真価を発揮する場面

予約獲得のための発信エージェントを運用する音声AIのスタートアップ
毎月テストし直さずに、電話で安定したブランドの声で話す
WebSocket APIでsonic-3.6-2026-08-27を固定し、電話向けに8 kHzのpcm_mulawを使います。$49のStartupでは1.25Mクレジット、約1,600分の音声と5本の同時ストリームが使えます。
エージェントの発話が月100,000分あるコンタクトセンターの運用責任者
保留待ちのIVRを置き換えるAI窓口のTTS予算を立てる
1分あたり約800文字なら80Mクレジットです。Scaleの8Mが$299で、残り72Mを100万あたり$38で払うと月約$3,000になります。$40の料金のEleven v4 Turboなら約$3,200、Artificial Analysisの料金でGemini 3.8 Flash TTSなら約$1,300です。
インドの学習者向けのエドテック製品チーム
ヒンディー語、ヒングリッシュ、オディア語、ウルドゥー語で授業を読み上げる
リクエストごとに言語またはロケールを指定します。3.6ではインスタントクローン対応のオディア語とウルドゥー語が加わり、ヒングリッシュも改善されました。講師の音声サンプルをアップロードする前に、データ管理のフォームで学習をオプトアウトしてください。

導入前に確認すること

導入: CartesiaのプレイグラウンドでAPIキーを取得し、RESTまたはWebSocketでsonic-3.6か日付付きのスナップショットを呼び出します。インスタントボイスクローンにはPro以上、プロフェッショナルクローンにはStartup（2枠）かScale（4枠）が必要です。
連携: コンテキストID、フラッシュ、キャンセルに対応したWebSocketストリーミング。単語と音素のタイムスタンプ。8〜48 kHzのPCMおよびmu-law/A-law出力。Cartesia独自のエージェント基盤と電話番号。
データとプライバシー: プライバシーポリシー（2024年6月）は、フォームでオプトアウトしない限り、アップロードされたテキスト、音声、出力での学習を認めており、保持期間は示していません。SOC 2 Type IIは会社全体が対象です。DPA、BAA、SSO、オンプレミスやVPCでの導入はEnterpriseのみです。
大規模利用時のコスト: 音声1分あたり約750〜800クレジットです。月100,000分なら約80Mクレジットで、超過分を100万あたり$38とするとScaleで約$3,000です。Enterpriseの大口価格は公表されていません。エージェントは1分あたり$0.06が加わります。
制限: TTSの同時ストリーム数は、Freeで2、Proで3、Startupで5、Scaleで15です。超過を無効にしていると、クレジットが尽きた時点でリクエストがブロックされます。テキストバッファは初期設定で生成前に最大3秒待ちます。

良い点

Artificial Analysisの音声アリーナで4位、Sonic 3.5より98 Elo高い
変更されない日付付きのスナップショット
単語と音素のタイムスタンプ付きのストリーミングWebSocket API
44言語に対応し、オディア語とウルドゥー語も加わった

気になる点

初期設定で顧客のコンテンツで学習し、オプトアウトはフォーム提出
より上位のEleven v4 Turboより1文字あたりの価格が高い
レイテンシの数値が公表されていない
Freeプランには商用ライセンスがなく、同時接続は2ストリームから

Cartesia Sonic 3.6の代替

Eleven v4 and v4 Turbo

ElevenLabsText to speech

4.7/5

ElevenLabs' expressive text-to-speech pair, tied for first on Artificial Analysis's speech arena; v4 Turbo is built for voice agents.

Gemini 3.8 Flash TTS

GoogleText to speech

4.5/5

Google's expressive text-to-speech, fifth in blind votes at about $16.50 per million characters, with voice design and cloning.

Cartesia Sonic 3.6：よくある質問

Cartesia Sonic 3.6は使う価値があるか？: Sonic 3.6は1回のリリースでElevenLabsとの差の大半を詰め、1文字あたりの価格もEleven v4より安くなりました。ただし、オプトアウトしない限り顧客のコンテンツで学習します。評価は5点満点中4.4点です。
Cartesia Sonic 3.6の料金は？: Freeプランは月20Kクレジット（商用ライセンスなし）。Proは$5（100K）、Startupは$49（1.25M）、Scaleは$299（8M）。超過分は1Mクレジットあたり$38〜$65。1クレジットは1文字で、音声1分あたり約750〜800クレジット。
Cartesia Sonic 3.6の欠点は？: 初期設定で顧客のコンテンツで学習し、オプトアウトはフォーム提出; より上位のEleven v4 Turboより1文字あたりの価格が高い; レイテンシの数値が公表されていない; Freeプランには商用ライセンスがなく、同時接続は2ストリームから.
Cartesia Sonic 3.6は誰に向いているか？: 安定したバージョン管理付きの声を手ごろな価格で使いたい、本番の音声エージェントを構築するチーム。
チームや本番環境でCartesia Sonic 3.6を使うと費用はいくらか？: 音声1分あたり約750〜800クレジットです。月100,000分なら約80Mクレジットで、超過分を100万あたり$38とするとScaleで約$3,000です。Enterpriseの大口価格は公表されていません。エージェントは1分あたり$0.06が加わります。
Cartesia Sonic 3.6は企業データを扱っても安全か？: プライバシーポリシー（2024年6月）は、フォームでオプトアウトしない限り、アップロードされたテキスト、音声、出力での学習を認めており、保持期間は示していません。SOC 2 Type IIは会社全体が対象です。DPA、BAA、SSO、オンプレミスやVPCでの導入はEnterpriseのみです。
Cartesia Sonic 3.6の代わりになるものは？: 当サイトでレビューした中で最も近い代替はEleven v4 and v4 Turbo 、 Gemini 3.8 Flash TTSです。

回答確認日：2026年10月22日