Cartesia (Cartesia)
综合排名 #28 ⭐ 可考虑
⚠️ 部分可用（需稳定代理） | 🌍 国际
💰 Token 价格
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | Sonic: $0.03/1K chars (Standard), $0.06/1K chars (Pro), $0.12/1K chars (Turbo); Sonic 2: $0.04-0.15/1K chars | 每百万 tokens |
| 输出 (Output) | TTS character-based pricing (output = audio), per-second for streaming | 每百万 tokens |
💡 免费额度
10,000 characters/month free tier (≈10 minutes), no credit card required
🤖 支持模型（共 6 个）
Sonic (real-time TTS) Sonic 2 (multilingual, voice cloning) Onyx (STT) Mistral (voice design) Pleroma (voice cloning) TTS-Streaming (WebSocket)
✨ 优势
- ✓ Sonic 模型主打超低延迟（≈90ms TTFB），语音 agent 实时对话首选
- ✓ Sonic 2 多语种支持 29+ 语言 + 声音克隆 + 流式响应
- ✓ WebSocket 流式接口，专为实时语音 agent 设计（vLLM-voice 替代方案）
- ✓ Onyx STT 转写准确率高，支持 36+ 语言
- ✓ Pleroma 声音克隆：5 秒样本即可克隆声音
- ✓ 支持 MCP 协议接入 Claude/Cursor 等 AI 编辑器
- ✓ State-of-the-art 实时推理延迟，适合 latency-sensitive 应用
⚠️ 不足
- × TTS/语音 API 计费方式与 LLM token 计费不同，成本对比不直观
- × 国内使用需稳定代理连接
- × 免费额度较小（10,000 字符/月）
- × 小语种质量因语言而异（英文最佳）
- × 起步晚于 ElevenLabs，生态与第三方集成相对较少
🎯 适合场景
需要实时语音对话的 AI agent；客服/陪伴机器人；多语种语音克隆；流式 TTS 应用