Cartesia: Sonic 3.6
Cartesia's most lifelike text-to-speech model (recommended), #1 on the Artificial Analysis Speech Arena leaderboards, with sub-90ms latency and native support for 44 languages.
ストリーミング: PCM · µ-law · A-law
バリアントモデル
同じ正規モデルファミリーに対して、作成者やプロバイダーが受け付けるネイティブのモデルIDです。
プロバイダー
同じモデルを複数のプロバイダーがホストしている場合があります。バックエンドを固定したい場合は1つのプロバイダーを選び、そうでなければルーティングに選択を任せられます。
対応言語
en
fr
de
es
pt
zh
ja
hi
it
ko
nl
pl
ru
sv
tr
tl
bg
ro
ar
cs
el
fi
hr
ms
sk
da
ta
uk
hu
no
vi
bn
th
he
ka
id
te
gu
kn
ml
mr
pa
or
ur
ボイス
機能
Generates spoken audio from text input.
text_to_speech
Low-latency streaming TTS over WebSocket; raw PCM output (pcm_f32le/pcm_s16le/pcm_mulaw/pcm_alaw).
streaming
Synthesizes speech from fully-submitted text in a single synchronous request.
synchronous
Supports 44 languages (adds Odia and Urdu over Sonic 3.5).
multilingual
Supports instant and professional voice clones.
voice_cloning
Speed (0.6-1.5, default 1.0), volume (0.5-2.0, default 1.0) and emotion control (neutral/calm/angry/content/sad/scared; emotion guidance is English-only).
speed_emotion_control
コード
ElevenLabs SDKでのストリーミングTTS
ElevenLabs SDKをAllModels経由でルーティングし、音声レスポンスをストリーミングします。
import { ElevenLabsClient } from "elevenlabs";
const client = new ElevenLabsClient({
apiKey: process.env.ALLMODELS_API_KEY,
baseUrl: "https://api.allmodels.io/el"
});
const stream = await client.textToSpeech.stream("voice_id", {
text: "I'm sorry, Dave. I'm afraid I can't do that.",
modelId: "cartesia/sonic-3-6",
outputFormat: "mp3_44100_128"
}, {
queryParams: {
provider: {
"only": [
"cartesia"
]
}
}
});
const reader = stream.getReader();
for (;;) {
const { done, value } = await reader.read();
if (done) break;
// Write value to your response, file, or audio playback pipeline.
}