Bảng xếp hạng AI giọng nói lại đổi ngôi vương: Cartesia vượt qua Qwen, ElevenLabs, hỗ trợ 44 ngôn ngữ

据动察 Beating 监测，Cartesia 发布新一代实时语音合成模型 Sonic 3.6，目前已开放 Beta。模型支持 44 种语言，并同时拿下 Artificial Analysis 两个 TTS 榜单第一。

Provider Voice 使用各家模型自己的原生声音盲测，Sonic 3.6 排在阿里 Qwen-Audio-3.0-TTS-Plus、SpeechifyAI Simba 3.2 和谷歌 Gemini 3.1 Flash TTS 前面。Controlled Voice 则让所有模型使用同一组克隆声音，更侧重比较模型本身，Sonic 3.6 依然第一。

Artificial Analysis 测得 Sonic 3.6 生成速度为每秒 136.1 个字符，ElevenLabs Eleven v3 为 46.7，Gemini 3.1 Flash TTS 为 24.2。

价格为每百万字符 49 美元，不到 Eleven v3 的一半，但仍高于 Qwen 的 27.6 美元和 Simba 3.2 的 10 美元。