Cartesia｜Cartesiaは、超低遅延の音声合成(Sonic)・音声認識(Ink)モデルと、それらを組み込んだ音声エージェント構築プラットフォーム「Managed Agents」を提供するAI音声基盤です。クラウド/オンプレ/オンデバイスでの展開に対応し、コールセンター自動応答や音声AIエージェントを開発するチーム向けです。

概要

Cartesiaは、リアルタイム音声対話向けの音声合成・音声認識モデルと、それらを使った音声エージェントを構築・運用できる「Managed Agents」までを一体提供するプラットフォームです。最新モデルは音声合成のSonic-3.6、音声認識のInk-2で、いずれもストリーミング処理による低遅延応答を軸にしています。

主要機能

1. Sonic-3.6(音声合成)：テキストから自然な音声をストリーミング生成。声のクローン作成、発音・アクセント・感情表現の調整に対応。 2. Ink-2(音声認識)：通話や音声エージェントの発話を逐次テキスト化。背景ノイズを含む会話の処理を想定したモデルです。 3. Managed Agents：Sonic/Inkを組み合わせた音声エージェントを構築・展開できるプラットフォームで、電話番号の発行や通話管理機能を含みます。 4. マルチ環境展開：同一のモデル・エージェントをクラウドAPI、オンプレミス、オンデバイスのいずれでも動作させられる構成で、レイテンシやデータ所在地の要件に応じた選択が可能です。

想定ユーザー

音声AIエージェント・IVR・会話型アシスタントを自社プロダクトに組み込みたい開発チーム、コンタクトセンター向けに音声自動応答を構築したい企業に向いています。