Cartesia
音频与语音
Cartesia
免费增值API
关于
实时语音 AI 平台，Sonic 3.5 文本转语音低延迟常年第一，配套 Ink-2 转录，主打语音智能体与 AI 电话，基于 Mamba/SSM 研究，免费档每月约 2 万信用点
编辑评价
推荐当延迟就是一切时，语音 API 的首选
Cartesia 由状态空间模型（Mamba 架构）背后的研究者创办，这一点体现在实时语音最要紧的那个指标上：延迟。它的 Sonic 3.5 文本转语音常年霸榜实时语音评测，配套的 Ink-2 转录模型补全了一整套为 AI 电话智能体、交互式助手打造的栈——在这些场景里，任何卡顿都会打破「对话」的错觉。对开发者而言，吸引力在于同一团队、同一 API 同时处理语音输出与输入，外加语音克隆和一个慷慨的免费档（$0 每月约 2 万信用点），付费的 Pro/Startup/Scale 档启用前就能轻松做原型。诚实的提醒：定价基于信用点，把信用点换算成字符和成本得算一算；它是语音专家而非一站式 AI 平台；语言与音色目录仍小于 ElevenLabs。但当你的产品成败取决于语音回应有多即时时，Cartesia 是市面上最强的选择之一——锁定前值得和 ElevenLabs 正面对比。
最适合
- •延迟至关重要的实时语音智能体与 AI 电话系统
- •想要同一 API 提供语音合成与转录的开发者
- •需要语音克隆、且希望有慷慨免费档起步的团队
以下情况建议考虑替代方案
- •你想要最大的音色/语言目录与最丰富的生态（→ ElevenLabs）
- •你需要语音之外的一站式媒体套件（→ 更综合的平台）
平台支持
网页版API
可用平台包括网页版和API。
核心功能
Sonic 3.5 实时文本转语音，低延迟语音常年排名第一
Ink-2 语音转文本（转录），为同一套实时语音栈打造
超低延迟，专为实时语音智能体与电话通话场景设计
语音克隆，以及大量富有表现力的自然音色库
构建于 Mamba 团队的状态空间模型（SSM）研究之上
基于信用点的 API 定价（约 1 信用点 = 1 个语音字符）
定价方案
free
免费方案 $0，每月含约 20,000 信用点——无需信用卡即可开发测试实时语音。
paid
付费档按每月信用点递增：Pro 约 $5/月（约 10 万信用点），Startup 约 $49/月（约 125 万信用点），Scale 提供约 800 万信用点面向更大规模生产；企业单独报价。信用点对应生成语音的字符数。（对照官方定价页核实，2026-07-28。）
使用场景
对延迟要求极低的实时语音智能体与 AI 电话系统
为应用、游戏与助手加入自然的文本转语音
用 Ink-2 在同一语音管线中转录实时音频
克隆品牌或角色声音，保持产品音频一致性
优点
低延迟同类领先，常年霸榜实时语音评测
语音合成与转录出自同一团队、同一 API
扎根于真实的 SSM/Mamba 研究，而非套壳
免费档慷慨，付费前即可做原型
缺点
基于信用点的计费，换算到真实用量需要算一算
专注语音——不是通用型 AI 平台
语言与音色数量少于 ElevenLabs 等最大在位者
公司较年轻，生态与集成仍在成长
最新动态
2026 年：Cartesia 持续打磨其实时语音栈——用于文本转语音的 Sonic 3.5 与用于转录的 Ink-2——保持低延迟语音评测的领先，并为构建实时智能体和电话 AI 的开发者扩充音色选项。
