O que é Cartesia Sonic 3.6?
O Sonic 3.6 ficou disponível para todos em 27 de agosto de 2026 (snapshot sonic-3.6-2026-08-27). A Cartesia diz que ele é totalmente retrocompatível com o Sonic 3.5, mantém os clones de voz profissionais feitos em modelos anteriores e adapta ritmo, pausas e entonação à transcrição sem tags SSML.
Ele fala 44 idiomas, acrescentando oriá e urdu, com melhor hinglish e melhor pronúncia de nomes e lugares indianos. A Cartesia oferece snapshots datados que nunca mudam, um alias móvel sonic-3.6 que acompanha o snapshot estável mais recente e um canal sonic-preview que pode mudar sem aviso.
Quanto custa Cartesia Sonic 3.6?
| Plano | Preço | O que inclui |
|---|---|---|
| Free | Free | 20K créditos/mês, sem licença comercial |
| Pro | $5 | 100K créditos |
| Startup | $49 | 1.25M créditos |
| Scale | $299 | 8M créditos |
Plano Free com 20K créditos/mês (sem licença comercial); Pro $5 (100K), Startup $49 (1.25M), Scale $299 (8M); excedente de $38 a $65 por 1M de créditos. Um crédito é um caractere, cerca de 750 a 800 por minuto de áudio.
Cartesia Sonic 3.6 vale a pena?
O Sonic 3.6 está em quarto lugar na arena de fala da Artificial Analysis, com 1289 de Elo, atrás do Eleven v4 Turbo (1335), do Eleven v4 (1329) e do Qwen-Audio-3.1-TTS-Plus da Alibaba (1301). É um salto de 98 pontos em relação ao Sonic 3.5 pelos mesmos $49 por milhão de caracteres, e coloca a Cartesia 11 pontos à frente do Gemini 3.8 Flash TTS.
No preço, ele fica em um meio-termo incômodo. O Eleven v4 Turbo está mais bem classificado e custa $40 por milhão de caracteres na comparação da Artificial Analysis, enquanto o Gemini 3.8 Flash TTS ($16.5) e o Qwen-Audio-3.1 ($19.3) custam bem menos da metade, com pontuações a cerca de 12 pontos. O argumento da Cartesia está, em vez disso, na infraestrutura para agentes: uma API WebSocket com context IDs para transmitir transcrições parciais, timestamps de palavras e fonemas, codificações de telefonia como mu-law a 8 kHz e uma plataforma hospedada de agentes a $0.06 por minuto.
O versionamento é o motivo mais forte para escolhê-lo em produção. Os snapshots datados nunca mudam depois do lançamento, então a voz de uma central de atendimento pode ficar congelada enquanto a equipe avalia a próxima, e a Cartesia não publica datas de aposentadoria para snapshots antigos. A latência é outra história: a documentação chama o Sonic de modelo mais rápido, mas não dá nenhum número de tempo até o primeiro áudio, então a latência precisa ser medida no seu próprio tráfego.
Os termos de dados exigem atenção antes de uma implantação regulada. A política de privacidade da Cartesia, revisada pela última vez em junho de 2024, diz que ela pode usar texto enviado, gravações de voz e áudio gerado para treinar seus modelos, com um formulário de exclusão que só vale a partir da data em que é enviado. DPAs, BAAs, SSO e implantação on-premise ou em VPC são exclusivos do Enterprise, enquanto o SOC 2 Type II cobre toda a empresa.
Onde ele se destaca
Uma startup de IA de voz que opera um agente ativo de marcação de consultas
Falar com uma voz de marca estável em chamadas telefônicas sem testar tudo de novo todo mês
Fixe o sonic-3.6-2026-08-27 pela API WebSocket com pcm_mulaw a 8 kHz para telefonia. O Startup a $49 dá 1.25M de créditos, cerca de 1.600 minutos de fala, e 5 streams simultâneos.
Um líder de operações de central de atendimento com 100.000 minutos de fala de agentes por mês
Orçar o TTS de uma linha de frente com IA que substitui a URA de fila de espera
A cerca de 800 caracteres por minuto, isso dá 80M de créditos: os 8M do Scale por $299 mais 72M a $38 por milhão, cerca de $3.000 por mês. O Eleven v4 Turbo, na tarifa de $40, sai por cerca de $3.200; o Gemini 3.8 Flash TTS, na tarifa da Artificial Analysis, por cerca de $1.300.
Uma equipe de produto de edtech que atende estudantes na Índia
Ler lições em voz alta em hindi, hinglish, oriá e urdu
Defina o idioma ou a localidade em cada requisição; a 3.6 acrescentou oriá e urdu com clonagem instantânea e melhorou o hinglish. Peça a exclusão do treino pelo formulário de controles de dados antes de enviar amostras de voz dos professores.
Antes de decidir
- Configuração
- Chave de API no playground da Cartesia; chame o sonic-3.6 ou um snapshot datado via REST ou WebSocket. A clonagem instantânea de voz exige o Pro ou superior; clones profissionais exigem o Startup (2 vagas) ou o Scale (4).
- Integrações
- Streaming por WebSocket com context IDs, flush e cancelamento; timestamps de palavras e fonemas; saída PCM e mu-law/A-law de 8 a 48 kHz; a plataforma de agentes e os números de telefone da própria Cartesia.
- Dados e privacidade
- A política de privacidade (junho de 2024) permite treinar com texto, áudio e saídas enviados, a menos que você peça exclusão por um formulário, e não informa prazo de retenção. SOC 2 Type II em toda a empresa; DPAs, BAAs, SSO e implantação on-premise ou em VPC só no Enterprise.
- Custo em escala
- Cerca de 750 a 800 créditos por minuto de áudio. 100.000 minutos por mês são cerca de 80M de créditos, uns $3.000 no Scale com excedente a $38 por milhão; o preço por volume do Enterprise não é publicado. Os agentes acrescentam $0.06 por minuto.
- Limites
- Streams de TTS simultâneos: 2 no Free, 3 no Pro, 5 no Startup, 15 no Scale. Com o excedente desligado, as requisições são bloqueadas quando os créditos acabam. O buffer de texto espera até 3 segundos por padrão antes de gerar.
O que é bom
- Quarto lugar na arena de fala da Artificial Analysis, 98 de Elo acima do Sonic 3.5
- Snapshots datados que nunca mudam
- API WebSocket de streaming com timestamps de palavras e fonemas
- 44 idiomas, agora incluindo oriá e urdu
O que não é
- Treina com o conteúdo dos clientes por padrão; a exclusão é por formulário
- Custa mais por caractere que o Eleven v4 Turbo, mais bem classificado
- Sem números de latência publicados
- O plano Free não tem licença comercial; a concorrência começa em 2 streams
Ideal para
Equipes que constroem agentes de voz em produção e querem vozes estáveis e versionadas a um preço moderado.
Alternativas ao Cartesia Sonic 3.6
Cartesia Sonic 3.6: perguntas frequentes
- Cartesia Sonic 3.6 vale a pena?
- O Sonic 3.6 fechou boa parte da distância para o ElevenLabs em uma única versão e custa menos por caractere que o Eleven v4, mas treina com o conteúdo dos clientes a menos que você peça exclusão. Damos nota 4.4 de 5.
- Quanto custa Cartesia Sonic 3.6?
- Plano Free com 20K créditos/mês (sem licença comercial); Pro $5 (100K), Startup $49 (1.25M), Scale $299 (8M); excedente de $38 a $65 por 1M de créditos. Um crédito é um caractere, cerca de 750 a 800 por minuto de áudio.
- Quais são as desvantagens de Cartesia Sonic 3.6?
- Treina com o conteúdo dos clientes por padrão; a exclusão é por formulário; custa mais por caractere que o Eleven v4 Turbo, mais bem classificado; sem números de latência publicados; o plano Free não tem licença comercial; a concorrência começa em 2 streams.
- Para quem Cartesia Sonic 3.6 é indicado?
- Equipes que constroem agentes de voz em produção e querem vozes estáveis e versionadas a um preço moderado.
- Quanto custa Cartesia Sonic 3.6 para uma equipe ou em produção?
- Cerca de 750 a 800 créditos por minuto de áudio. 100.000 minutos por mês são cerca de 80M de créditos, uns $3.000 no Scale com excedente a $38 por milhão; o preço por volume do Enterprise não é publicado. Os agentes acrescentam $0.06 por minuto.
- Cartesia Sonic 3.6 é seguro para dados da empresa?
- A política de privacidade (junho de 2024) permite treinar com texto, áudio e saídas enviados, a menos que você peça exclusão por um formulário, e não informa prazo de retenção. SOC 2 Type II em toda a empresa; DPAs, BAAs, SSO e implantação on-premise ou em VPC só no Enterprise.
- Quais são as melhores alternativas ao Cartesia Sonic 3.6?
- As alternativas mais próximas que analisamos são Eleven v4 and v4 Turbo e Gemini 3.8 Flash TTS.
Respostas verificadas em 22 de out. de 2026.