语音模型实时语音 Agent低延迟 TTS高自然度语音
Sonic 3.5
分类：语音模型 / 上下文：- / 调用名：sonic-3.5
Sonic 3.5 是 Cartesia 当前公开的新一代流式文本转语音模型，适合实时语音 Agent、低延迟交互和高自然度语音生成。
audio_generation语音输出ttslow_latency
官方核验于 2026-04-16
Cartesia
Cartesia 主打超低延迟语音模型和实时语音基础设施，适合电话机器人、实时语音助手和 Voice Agent。它在实时 TTS 方向很有代表性，值得作为第二批优先补齐。
官方入口原生官方接口有免费额度语音模型
主分类：语音模型
适合：语音助手 / 企业接入 / 电话机器人
付费：信用卡 / 企业合同
地区：国际可用
接入判断
按原生接口接Cartesia 适合作为官方原生入口，接入前先按文档核对鉴权方式、模型 ID 和计费口径。
协议：官方原生 API
额度：Cartesia 提供开发者试用额度，具体额度和有效期以控制台当前说明为准。
模型：已收录 9 个
模型能力
语音模型实时语音 Agent低延迟转写端点检测
Ink-2
分类：语音模型 / 上下文：- / 调用名：ink-2
Ink-2 是 Cartesia 于 2026 年 7 月 9 日发布的语音识别模型，重点优化实时语音 Agent 的转写、端点检测和上下文理解。
speech_recognition语音输入realtime_transcription
语音模型实时语音 Agent电话机器人高自然度语音
Sonic-3
分类：语音模型 / 上下文：- / 调用名：sonic-3
Sonic-3 是 Cartesia 当前最新的流式 TTS 主力模型，强调更自然的表达、更细的情绪与速度控制，以及实时语音交互。
audio_generation语音输出ttslow_latency
语音模型旧链路兼容实时语音历史项目维护
Sonic-2
分类：语音模型 / 上下文：- / 调用名：sonic-2
Sonic-2 是 Cartesia 上一代主力流式 TTS 模型，当前仍公开提供给兼容旧链路和历史项目使用。
audio_generation语音输出ttslegacy
语音模型极低时延语音对话成本敏感实时语音
Sonic-Turbo
分类：语音模型 / 上下文：- / 调用名：sonic-turbo
Sonic-Turbo 是 Cartesia 公开保留的更低时延老型号，适合强实时、成本更敏感的语音交互。
audio_generation语音输出ttslow_latencylegacy
audio_generation语音输出ttslegacy
语音模型实时转写批量转写多语言语音识别
Ink-Whisper
分类：语音模型 / 上下文：- / 调用名：ink-whisper
Ink-Whisper 是 Cartesia 当前公开主推的语音转写模型，支持 base model 自动路由到最新快照，也支持固定快照版本。
speech_recognition语音输入realtime_transcription
语音模型变声配音替换保留语调
Voice Changer
分类：语音模型 / 上下文：- / 调用名：voice-changer
Voice Changer 是 Cartesia 的语音变声工作流，可保留输入语调与节奏，只替换输出说话人的声音。
audio_generation语音输入语音输出speech_to_speech
语音模型语音编辑补写台词已有音频修补
Infilling
分类：语音模型 / 上下文：- / 调用名：infill
Infilling 是 Cartesia 的语音补写工作流，可在已有音频上下文里插入新文本，并尽量保持音色与节奏连续。
audio_generation语音输入语音输出audio_editing