Sonic 3.5
Cartesia · États-Unis
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 8e sur 31 en synthèse vocale en français, dans un groupe de 5 modèles trop proches pour être départagés ; 17e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 7 modèles que la marge d'erreur ne permet pas de séparer.
Présentation
Version de Sonic publiée en mai 2026, qui succède à Sonic 3 pour la synthèse vocale temps réel en 42 langues. Cartesia met en avant une latence inférieure à 90 millisecondes et la lecture correcte des numéros, codes et homographes sans prétraitement. Lu sur docs.cartesia.ai, le 17/10/2026.
- Sortie
- 4 mai 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 42 langues, dont le français. Lu sur docs.cartesia.ai.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 8e sur 31 en synthèse vocale en français (1 233).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Synthèse vocale en français
8e sur 31Elo 1 233, intervalle 1 212 à 1 254, 1 190 votes
Prix : 49 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
17e sur 96Elo 1 191, intervalle 1 180 à 1 202, 3 667 votes
Prix : 49 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, Gradium TTS (Sep 2026) (7e, 1 239) · derrière, Gemini 3.8 Flash TTS (9e, 1 205)
- Synthèse vocale en anglais, Artificial Analysis : devant, v3 Conversational (16e, 1 210) · derrière, Fish Audio S2.1 Pro (Oct 2026) (18e, 1 190)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
Sonic 3.5 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://docs.cartesia.ai/build-with-cartesia/tts-models/sonic-3-5 (« Sonic 3.5 text-to-speech model has sub-90ms latency and native support for 42 languages. It follows your transcript faithfully, voices confirmation codes and heteronyms correctly without preprocessing »), 17/10/2026
- https://docs.cartesia.ai/build-with-cartesia/tts-models/sonic-3-5 (« English, Hindi, Spanish, French, German, Japanese, Hebrew, and 35 more »), 17/10/2026
- https://docs.cartesia.ai/build-with-cartesia/tts-models/sonic-3-5 (« sonic-3.5-2026-05-04 May 4, 2026 »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.