Весело
Весело

Cartesia API: Sonic и Ink

Cartesia делает голосовые модели для разговорных приложений. По нашему ключу доступна её озвучка Sonic 3.6 — 44 языка, русский среди них, темп и интонация подстраиваются под смысл фразы — и распознавание речи Ink Whisper. Прошлые Sonic 3.5 и Sonic 3 тоже на месте, для программ, где они уже прописаны.

  • 4 модели
  • от 4,18 ₽ за 1000 знаков
  • озвучка текста, распознавание речи

Обновлено:

Получить ключ Документация

Модели и цены

Озвучка текста

Озвучка: цена в рублях за 1000 знаков или за запись
МодельЗнаков за разЦена
Cartesia Sonic 3.6до 4 0964,18 ₽ за 1000 знаков
Cartesia Sonic 3.5до 4 0964,18 ₽ за 1000 знаков
Cartesia Sonic 3до 4 0964,18 ₽ за 1000 знаков

Распознавание речи

Распознавание речи: цена в рублях за минуту звука
МодельЗвука за разЦена
Cartesia Ink Whisperдо 2 ч0,26 ₽ за минуту звука

Как выбрать

Cartesia строит модели для голосовых агентов, поэтому её озвучка рассчитана на разговор: короткие реплики, номера заказов, коды подтверждения. Выбирать здесь почти не из чего, и это удобно.

  • Озвучка — Cartesia Sonic 3.6. Свежая модель Cartesia, по их словам — самая быстрая и естественная в линейке. Она говорит на 44 языках, русский в списке. Cartesia пишет, что Sonic 3.6 сама меняет темп и паузы под смысл и настроение фразы, без SSML и отдельных указаний, а коды подтверждения и омографы читает правильно без подготовки текста.
  • Распознавание — Cartesia Ink Whisper. Cartesia называет её самой доступной своей моделью распознавания речи и сравнивает с обычной Whisper: точнее и быстрее. Ink Whisper увереннее держится на фоновом шуме, телефонных помехах, акцентах и оговорках и аккуратнее пишет имена и термины. Языков около сотни, русский среди них.
  • Sonic 3.5 и Sonic 3 — прошлые версии. Sonic 3.6 полностью совместима с 3.5, так что переход — это замена id в запросе.

Темп, громкость и эмоцию Sonic задают короткие метки в начале фразы. Скорость — <speed ratio="1.2"/>: Cartesia разрешает значения от 0,6 (медленно) до 1,5 (быстро). Громкость — <volume ratio="0.8"/>, её шкала идёт от половины до двойной. Эмоция — <emotion value="calm"/>, но только в английском тексте; русскую речь Sonic интонирует по смыслу сама. Отдельных полей для скорости и громкости в нашем API нет, работают только метки.

Популярные задачи

Голосовой бот и автоответчик

Звонящему важно, чтобы бот не тянул паузы и не путал цифры. Cartesia Sonic 3.6 отвечает короткими естественными фразами, а коды и номера по описанию Cartesia читает без подготовки. Каждую реплику бота отправляй отдельным запросом — так ответ приходит быстрее, чем у длинного абзаца. Быстрые модели других вендоров для той же задачи — на странице API озвучки текста.

Пример запроса: «Твой заказ собран и передан курьеру. Он приедет сегодня с шести до восьми вечера.»

Уведомления о доставке и записи на приём

Напоминание «Ждём тебя завтра в 10:30» звучит естественно, только если модель правильно прочтёт время. Для русского текста надёжнее написать время и даты словами: «в половине одиннадцатого», «пятнадцатого ноября». Темп можно чуть поднять меткой <speed ratio="1.1"/> в начале — короткое уведомление не будет звучать сонно.

Озвучка приложения на нескольких языках

У Sonic 3.6 44 языка: русский, украинский, английский, турецкий, арабский, хинди и другие. Если приложением пользуются в разных странах, одна модель закрывает все версии интерфейса. Язык Sonic понимает по тексту, а для каждого языка стоит подобрать голос с родным произношением: русские голоса есть в списке модели.

Расшифровка телефонных звонков

Cartesia Ink Whisper сделана с расчётом на звук с помехами: телефонная связь, шум улицы, акценты, оговорки. Запись разговора с клиентом отправляй на /v1/audio/transcriptions и укажи language: "ru" — так модель не будет гадать, на каком языке разговор. Время слов поможет найти в записи нужный момент.

Голосовые сообщения и заметки

Голосовое в мессенджере на полминуты, надиктованная заметка, вопрос в боте — короткие записи, где важна цена каждой минуты. Ink Whisper здесь удобна как недорогой вариант с русским. Остальные модели для расшифровки и их цены за минуту — в каталоге распознавания речи.

Как получить ключ Cartesia API в России

Ключ Cartesia и аккаунт у них не нужны — запросы подписываются нашим ключом.

  1. Создай аккаунт на veselo.ai и выпусти ключ sk-vsl-… в кабинете API.
  2. Положи деньги на счёт для API — подойдёт карта любого российского банка или СБП. Списание идёт после каждого ответа, а удержание на время запроса сразу снимается.
  3. Отправь текст на https://veselo.ai/v1/audio/speech с model: "cartesia/sonic-3.6" и голосом из списка модели, а запись для расшифровки — на /v1/audio/transcriptions с model: "cartesia/ink-whisper".

Своего формата Cartesia учить не придётся: у нас те же audio.speech и audio.transcriptions, что в OpenAI SDK. Все поля запросов — в документации: как озвучить текст и как расшифровать запись.

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью Cartesia Sonic 3.6: у других моделей меняется только model.

curl

curl https://veselo.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "cartesia/sonic-3.6",
    "voice": "069ff31a-5524-4945-a403-f746ee617507",
    "input": "Добрый вечер! Сегодня в программе — хорошие новости."
  }' \
  --output speech.mp3

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with client.audio.speech.with_streaming_response.create(
    model="cartesia/sonic-3.6",
    voice="069ff31a-5524-4945-a403-f746ee617507",
    input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
    r.stream_to_file("speech.mp3")

JavaScript

import fs from 'node:fs';

const res = await fetch('https://veselo.ai/v1/audio/speech', {
  method: 'POST',
  headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
  body: JSON.stringify({ model: 'cartesia/sonic-3.6', voice: '069ff31a-5524-4945-a403-f746ee617507', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
  signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));

В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP

Cartesia Sonic 3.6 · Документация раздела

Версии и отличия

  • Sonic 3.6 — снимок от 27 августа 2026 года: 44 языка, среди новых — ория и урду. Совместима с 3.5 полностью.
  • Sonic 3.5 — снимок от 4 мая 2026 года, 42 языка, русский есть. Cartesia советует переходить на 3.6, но 3.5 продолжает работать.
  • Sonic 3 — действующий снимок от 12 января 2026 года, 42 языка. Старый снимок Sonic 3 от октября 2025 года Cartesia сняла 20 октября 2026 года — у нас он не продаётся.
  • Ink Whisper — снимок от 4 июня 2025 года, около сотни языков, файлы целиком.
  • Чего здесь нет: потоковой Ink 2 — Cartesia делала её для живого разговора с голосовыми агентами, и русского среди её пяти языков нет; у нас распознавание по готовому файлу. Копий голоса по образцу записи тоже нет: только готовые голоса Cartesia.

Вопросы и ответы

Cartesia — это официальный доступ?
Это наш доступ к моделям Cartesia: Весело — не Cartesia, мы продаём запросы к её моделям по своему ключу и в рублях. Текст уходит модели без правок, а ошибка нейросети денег не стоит.
Есть ли у Cartesia русские голоса?
Есть: в списке голосов Sonic 3.6 есть русские — мужские и женские, среди них Алексей, Дарья, Ирина и Сергей. Для озвучки на русском бери их: Cartesia советует подбирать голос под язык текста.
Работают ли эмоции на русском?
Метка <emotion> у Cartesia работает только для английского. Русский текст Sonic 3.6 интонирует по смыслу, поэтому подачу здесь меняют знаки препинания и длина фраз: восклицательный знак, многоточие, короткие предложения.
Как изменить скорость речи в Sonic?
Меткой <speed ratio="…"/> в начале текста: от 0,6 (медленнее) до 1,5 (быстрее). По словам Cartesia, модель воспринимает это число как подсказку, и итог зависит от голоса и текста.
Чем Ink Whisper отличается от обычной Whisper?
По словам Cartesia, Ink Whisper точнее и быстрее базовой Whisper, увереннее справляется с шумом, телефонной связью и редкими словами. Открытую Whisper тоже можно взять у нас — Whisper Large v3: сравни цены за минуту в таблицах.
Нужен ли Cartesia API key?
Нет. Ключ Cartesia работает только с их API, а у нас свой адрес и свой ключ sk-vsl-…. Им же подписываются запросы к любым другим моделям каталога.
Нужны ли VPN и зарубежная карта?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Сколько стоит запрос, который закончился ошибкой?
Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: docs.cartesia.ai