Весело
Весело

Cartesia Sonic 3.6: озвучка по API

Cartesia Sonic 3.6 — свежая модель озвучки американской компании Cartesia, сделанная для голосовых ботов и сервисов. Она говорит на 44 языках, включая русский, без подготовки текста читает коды и номера, а скорость, громкость и паузы меняются тегами прямо в тексте. Среди голосов есть русские. Цена — 4,18 ₽ за 1000 знаков.

  • 4,18 ₽ за 1000 знаков
  • до 4 096 знаков
  • текст → звук

cartesia/sonic-3.6

Обновлено:

Получить ключ Попробовать Документация

Попробовать Cartesia Sonic 3.6

Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Текст для озвучки: «Твой заказ собран и передан курьеру. Он приедет сегодня с шести до восьми вечера.»

В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.

Цены Cartesia Sonic 3.6 в рублях

Текст — считаем по знакам4,18 ₽ за 1000 знаков

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Уведомление о доставке: тысяча уведомлений по 120 знаковОколо 501,60 ₽
Электронная очередь в клинике или МФЦ: смена на 400 вызовов по 50 знаковОколо 83,60 ₽
Код подтверждения в звонке: тысяча звонков по 90 знаковОколо 376,20 ₽
Голосовой бот поддержки с живыми паузами: пятьсот ответов по 150 знаковОколо 313,50 ₽
Подсказки на кассе самообслуживания: тридцать подсказок по 60 знаковОколо 7,53 ₽

Что умеет Cartesia Sonic 3.6

  • 44 языка, русский среди них, а в версии 3.6 добавились ория и урду (Sonic 3.6 в документации Cartesia).
  • Коды подтверждения и номера читает без предварительной обработки текста.
  • Темп и паузы подстраивает под смысл фразы, а заминки вроде «uhm» и «hmm» звучат как живое раздумье.
  • Скорость меняет тег <speed ratio="0.8"/> в пределах от 0,6 до 1,5, громкость — <volume ratio="1.5"/> от 0,5 до 2,0 (скорость, громкость и эмоции).
  • Пауза — <break time="1s"/>, чтение по одному знаку — <spell>A17</spell>, смех — [laughter]. Теги эмоций вроде <emotion value="calm"/> пока работают только на английском.
  • Русские голоса: Alexei, Daria, Dmitri, Irina, Natalia, Natalya, Olga, Sergei и Tatiana. За запрос — до 4 096 знаков, звук в MP3, WAV или PCM.

Где применять

Уведомление о доставке

Службе доставки нужно коротко сообщить статус заказа и время, причём тысячи раз в день. Sonic 3.6 читает интервалы и время естественно, если написать их словами, как в живой речи: «с шести до восьми вечера». Для такого текста подходит Daria, которую Cartesia подписывает как уверенный голос диспетчера. Шаблон уведомления держи коротким и вставляй в него только меняющиеся части: имя, время, номер заказа.

Пример запроса: «Заказ номер сорок два уже у курьера. Он позвонит за полчаса до приезда, с шести до восьми вечера.»

Стоимость: тысяча уведомлений по 120 знаков — около 501,60 ₽.

Электронная очередь в клинике или МФЦ

Голос очереди должен звучать ясно в шумном зале: номер талона и окно, ничего лишнего. Тег <volume ratio="1.5"/> поднимает громкость прямо в тексте, а спокойный Sergei, по описанию Cartesia, надёжный голос для чётких деловых диалогов. Номер талона пиши обычной строкой, «А-семнадцать», и доверь произношение модели. Вызовы, которые повторяются каждый день, озвучь заранее и храни у себя. Если в зале есть табло, пусть текст объявления совпадает с ним слово в слово.

Пример запроса: «<volume ratio="1.5"/>Талон А-семнадцать, пройдите к окну номер три.»

Стоимость: смена на 400 вызовов по 50 знаков — около 83,60 ₽.

Код подтверждения в звонке

Когда код диктуют голосом, каждую цифру должно быть слышно отдельно. Для этого у Sonic есть тег <spell>: всё внутри него модель читает по одному знаку, а пробел внутри даёт паузу между группами. Alexei Cartesia описывает как отточенный голос для операций и подтверждений, он хорошо подходит к такой задаче. Повтори код дважды, чтобы его успели записать, и не добавляй после него длинных фраз.

Пример запроса: «Твой код подтверждения: <spell>48 21</spell>. Повторяю: <spell>48 21</spell>.»

Стоимость: тысяча звонков по 90 знаков — около 376,20 ₽.

Голосовой бот поддержки с живыми паузами

Бот, который отвечает слишком гладко, звучит как автоответчик. Cartesia пишет, что заминки в тексте вроде «uhm» и «hmm» дают естественный темп раздумья, а паузы модель подстраивает под смысл. На русском так же попробуй «хм» или многоточие перед ответом и прослушай на своём голосе. Для неформального тона подходит Dmitri, голос для повседневных разговоров. Не перебарщивай с заминками: одна на ответ звучит живо, три подряд — уже растерянно.

Пример запроса: «Хм, сейчас посмотрю… Да, заказ уже в пути, курьер будет минут через двадцать.»

Стоимость: пятьсот ответов по 150 знаков — около 313,50 ₽.

Подсказки на кассе самообслуживания

Касса говорит короткими командами: положите товар, приложите карту, заберите чек. Их слушают на ходу и в шуме, поэтому чуть медленнее и чуть громче обычного. Тег <speed ratio="0.8"/> замедляет речь, а Cartesia советует брать шаг крупнее, 0,7 вместо 0,9, если разница должна быть слышна. Постоянные подсказки озвучь один раз, а через API делай только суммы и названия акций, которые меняются каждую неделю.

Пример запроса: «<speed ratio="0.8"/>Положите товар на весы и дождитесь сигнала.»

Стоимость: тридцать подсказок по 60 знаков — около 7,53 ₽.

Объявления для гостей на нескольких языках

Гостинице или экскурсионному бюро часто нужны одни и те же объявления на нескольких языках. В списке Sonic 3.6 есть русский, турецкий, грузинский, вьетнамский и ещё сорок языков. Голос выбирай того же языка, что и текст: в списке голосов модели у них есть пометка языка, у русских — ru. Перевод сделает языковая модель, а Sonic озвучит каждую версию. Названия улиц, блюд и экскурсий проверь на каждом языке отдельно.

Пример запроса: «Добро пожаловать! Завтрак накрыт на втором этаже с семи до десяти утра.»

Стоимость: объявление на 300 знаков на четырёх языках — около 5,02 ₽.

Как писать запрос

Сначала доверься пунктуации: по словам Cartesia, хорошо расставленные знаки дают естественный темп без всяких тегов. Тег <break> делит генерацию на части и может звучать менее естественно, а несколько пауз подряд способны сбить модель. Внутри <spell> не ставь знаков препинания, их могут прочитать вслух, и не ставь <spell> вплотную к <break>. Телефоны и номера карт пиши обычной строкой: их разберёт встроенная нормализация текста.

Характеристики

РазработчикCartesia
ВидОзвучка текста
ГолосаAlexei - Articulate Analyst, Daria - Decisive Dispatcher, Dmitri - Gentle Voice, Irina - Poetic Voice, Natalia - Steady Strategist, Natalya - Soothing Guide и ещё 6
Языкиru, en, ar, bn, de, es, fr, gu, he, hi и ещё 18
Текст за запросдо 4 096 знаков
Форматы звукаmp3, wav, pcm
id для запросаcartesia/sonic-3.6

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/speech с полем model: cartesia/sonic-3.6, ключ — в заголовке Authorization: Bearer sk-vsl-….

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()));

Пример ответа — только поля

HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …

<звук MP3>

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

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Cartesia Sonic 3.6 — эта модель4,18 ₽ / 1000 знаковдо 4 096 знаковслужебные фразы на русском: уведомления, коды, очередь, ответы бота
Cartesia Ink Whisper — Cartesia0,26 ₽ / миндо 2 ч звукамассовая расшифровка голосовых сообщений, заметок и телефонных записей
Eleven v4 Turbo — ElevenLabs4,47 ₽ / 1000 знаковдо 4 096 знаковкороткие ответы голосом: меню, ассистенты, говорящие персонажи
Inworld TTS-2 — Inworld AI2,80 ₽ / 1000 знаковдо 2 000 знаковрусская озвучка с указаниями подачи прямо в тексте: приложения, игры, сказки
MiniMax Speech 2.8 Turbo — MiniMax6,71 ₽ / 1000 знаковдо 4 096 знаковмного коротких фраз: напоминания, статусы заказа, голосовое меню
Deepgram Aura-2 — Deepgram3,36 ₽ / 1000 знаковдо 4 096 знакованглийские и европейские голоса для ботов, IVR и уведомлений, когда русский не нужен
  • Cartesia Ink Whisper — обратная задача: распознать голос клиента, прежде чем ответить ему голосом Sonic.
  • Eleven v4 Turbo — если ответам нужны эмоции тегами на русском, а не только скорость и громкость.
  • Inworld TTS-2 — когда русских голосов нужно больше: у Inworld их больше двадцати.
  • MiniMax Speech 2.8 Turbo — если нужен быстрый голос из русского набора MiniMax и паузы вида <#0.5#>.
  • Deepgram Aura-2 — для голосового бота на английском и ещё шести языках, русского у неё нет.

Версии и отличия

  • Sonic 3.5 (cartesia/sonic-3.5) — прошлая версия от 4 мая 2026 года: 42 языка и задержка меньше 90 мс по данным Cartesia. Sonic 3.6 с ней полностью совместима, запросы переносятся без правок.
  • Sonic 3 (cartesia/sonic-3) — поколение до 3.5. Действующий снимок вышел 12 января 2026 года, а снимок от 27 октября 2025 года Cartesia отключила 20 октября 2026 года.

Подробно о Cartesia Sonic 3.6

Cartesia — американская компания, которая делает голосовые модели для ботов и сервисов. Линейка озвучки у неё называется Sonic, распознавание — Ink. Sonic 3.6 Cartesia выпустила 27 августа 2026 года и ставит во главе линейки: быстрее и естественнее прошлых Sonic.

Что нового в 3.6, Cartesia перечисляет так. Речь звучит естественнее: модель меняет темп и интонацию под эмоцию текста, без разметки и указаний, длина пауз зависит от смысла фразы, а заминки вроде «hmm» дают живой темп. Произношение на всех 44 языках — как у носителя. Расширилась поддержка хинди, записанного латиницей, и добавились два языка: ория и урду.

Имя модели у Cartesia устроено как указатель. sonic-3.6 всегда ведёт на последний стабильный снимок, снимки с датой не меняются никогда, а sonic-preview — бета для проверки будущих изменений. Если тебе важно, чтобы голос звучал одинаково годами, учитывай это при выборе.

Голоса Cartesia подбирает под задачу. Для голосовых агентов компания советует устойчивые, приятные и реалистичные голоса, а среди русских голосов модели есть диспетчер Daria, рассказчица Irina, продавец Olga и спокойный Sergei. Голосов в библиотеке Cartesia сотни, и у каждого стоит язык, поэтому для русского текста бери голос с пометкой ru.

С эмоциями пока есть ограничение. Тег <emotion> Cartesia помечает как бету, работает он только для английского и только когда эмоция совпадает со смыслом фразы. Для русского текста интонацию даёт содержание фразы, а скорость и громкость управляются тегами на любом языке.

Через наш API Sonic 3.6 работает обычным запросом: текст уходит целиком, звук приходит готовым файлом в MP3, WAV или PCM. Потоковой отдачи и постоянного соединения, ради которых Cartesia собирала модель для живых разговоров, у нас пока нет, поэтому её сила здесь — короткие служебные фразы.

Как устроен доступ

Весело — не разработчик Cartesia Sonic 3.6: модель выпускает Cartesia. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Есть ли у Cartesia Sonic 3.6 русские голоса?
Да: Alexei, Daria, Dmitri, Irina, Natalia, Natalya, Olga, Sergei и Tatiana. У каждого своя роль: Daria — уверенный голос диспетчера, Irina — для аудиокниг, Olga — для презентаций и продаж, Dmitri — для неформальных разговоров. Список с id отдаёт /v1/audio/voices?model=cartesia/sonic-3.6&language=ru.
Как в Sonic 3.6 замедлить речь или сделать тише?
Тегами прямо в тексте: <speed ratio="0.8"/> меняет темп в пределах от 0,6 до 1,5, <volume ratio="0.7"/> — громкость от 0,5 до 2,0. Cartesia предупреждает, что это ориентир, а не точный множитель, поэтому для заметной разницы бери шаг крупнее.
Работают ли эмоции Sonic 3.6 на русском?
Теги эмоций вроде <emotion value="calm"/> Cartesia пока поддерживает только для английского и помечает как бету. По-русски интонацию Sonic 3.6 берёт из самого текста: по словам Cartesia, модель подстраивает темп и паузы под смысл фразы без всяких тегов.
Как Sonic 3.6 читает коды и номера?
Коды подтверждения модель произносит правильно и без подготовки текста, так её описывает Cartesia. Если нужно строго по одному знаку, оберни код в <spell>, а пробел внутри даст паузу. Телефоны и номера карт Cartesia советует писать обычной строкой.
Чем Sonic 3.6 отличается от Sonic 3.5?
В 3.6 стало 44 языка вместо 42, добавились ория и урду, речь звучит естественнее, расширилась поддержка хинди латиницей. Cartesia называет 3.6 полностью совместимой с 3.5, так что запросы переносятся без правок.
Можно ли собрать на Sonic 3.6 живой голосовой разговор?
Модель для этого и делалась, но в нашем API она работает обычным запросом: звук возвращается готовым файлом. Потока по кусочкам и постоянного соединения у нас пока нет, поэтому разговор строится репликами: бот дослушал, ответил, снова слушает. Речь собеседника распознаёт Cartesia Ink Whisper.
Нужны ли VPN и зарубежная карта для Cartesia Sonic 3.6?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Что будет, если запрос закончится ошибкой?
Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

Ещё по теме

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