Sonic 3
Cartesia · États-Unis
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 20e sur 31 en synthèse vocale en français, dans un peloton de 5 modèles que la marge d'erreur ne permet pas de séparer ; 59e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un groupe de 13 modèles trop proches pour être départagés.
Présentation
Modèle de synthèse vocale temps réel de Cartesia, lancé en octobre 2025 avec 42 langues. Il ajoute des réglages de volume, de vitesse et d'émotion, et peut produire des rires dans la conversation. Lu sur docs.cartesia.ai, le 17/10/2026.
- Sortie
- 27 octobre 2025 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, 20e sur 31 en synthèse vocale en français (1 098).
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
20e sur 31Elo 1 098, intervalle 1 077 à 1 119, 1 161 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
59e sur 96Elo 1 058, intervalle 1 046 à 1 070, 3 539 votes
Prix : 49 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, MiniMax Speech 2.8 HD (19e, 1 112) · derrière, MiniMax Speech 2.8 Turbo (21e, 1 089)
- Synthèse vocale en anglais, Artificial Analysis : devant, Gemini 2.5 Flash TTS (Dec 2025) (58e, 1 060) · derrière, Coda (60e, 1 057)
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 - 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/changelog/2025 (« sonic-3-2025-10-27 stable snapshot released; 42 languages; volume, speed, and emotion controls. Real-time conversation with emotion and laughter; ~190ms median latency. »), 17/10/2026
- https://docs.cartesia.ai/build-with-cartesia/tts-models/older-models (« sonic-3-2026-01-12 January 12, 2026 en, de, es, fr, ja, pt, zh, hi, ko »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.