Cartesia 'Sonic-3.6' TTS 출시 — 두 개 AI 음성 리더보드에서 동시 1위 달성

Cartesia의 새 스트리밍 TTS 모델 Sonic-3.6이 두 AI 음성 평가 리더보드에서 동시에 1위를 차지했다.

Cartesia가 스트리밍 TTS(텍스트 음성 변환) 모델 Sonic-3.6을 정식 출시하며, Artificial Analysis의 두 가지 음성 경쟁 평가 리더보드에서 각각 1,283 Elo와 1,123 Elo를 기록해 동시 1위를 달성했어요. Sonic-3.6은 SSM(상태공간 모델) 아키텍처를 기반으로 설계돼 90ms 미만의 초저지연 응답을 실현했고, 단 10초의 음성 샘플만으로 음성 클로닝이 가능하며 40개 이상의 언어를 지원해요. 가격은 100만 글자당 49달러로 품질 대비 경쟁력 있는 수준이에요.

SSM 아키텍처는 기존 트랜스포머 기반 TTS 모델 대비 연산 효율이 높아, 실시간 처리가 필요한 환경에서 특히 강점을 발휘해요. 짧은 음성 샘플만으로 빠르게 동작하는 클로닝 기능은 NPC 대사 녹음·오디오북·게임 내레이션 등 콘텐츠 대량 제작 시에도 효율적으로 활용할 수 있어요. 다국어 지원과 낮은 지연이 결합돼, 글로벌 배급을 목표로 하는 게임·미디어 프로젝트에도 폭넓게 적용 가능해요.

AI 음성 합성 기술이 고품질·저비용 양방향으로 발전하면서 콘텐츠 제작 파이프라인에서의 활용 범위가 빠르게 넓어지고 있는 가운데, Sonic-3.6은 실시간 처리 성능을 필요로 하는 게임·미디어 환경에서 유력한 선택지로 떠오르고 있어요.

원문: MarkTechPost