Cartesia
Cartesia · Voz · desde 2024
Voz sintética y transcripción en streaming de latencia mínima (Sonic e Ink) sobre modelos de espacio de estados, con agentes gestionados; para desarrolladores.
Qué es Cartesia
Cartesia, fundada en 2023 por los creadores de los modelos de espacio de estados (SSM) en Stanford, lanzó Sonic en mayo de 2024 y hoy ofrece Sonic 3.6, un modelo de texto a voz ultrarrápido y expresivo en 44 idiomas (español de España y de México incluidos), e Ink-2, transcripción en streaming con detección de turnos (inglés estable y español en vista previa desde septiembre de 2026). Ocupa el primer puesto en los rankings de voz de Artificial Analysis y añade agentes de voz gestionados (Managed Agents) a 0,06 $ por minuto más 0,014 $ de telefonía.
Se paga por créditos: aproximadamente 1 crédito por carácter en TTS y 3 créditos por segundo de audio en Ink-2. Free incluye 20.000 créditos al mes; Pro cuesta 5 $ (100.000 créditos, licencia comercial y clonación instantánea); Startup 49 $ (1,25 millones y clonación profesional); Scale 299 $ (8 millones); Enterprise añade endpoints regionales (UE, Reino Unido, India, Australia), retención cero y SSO. Puede desplegarse en la nube, en local o en dispositivo.
Es la alternativa a ElevenLabs para agentes de voz donde la latencia y el coste por minuto mandan; Retell la ofrece como voz de plataforma.
Para qué sirve de verdad
- Voz de agentes telefónicos y asistentes en tiempo real con latencia mínima
- Transcripción en streaming con detección de turnos para conversación natural
- Locución masiva de contenido a bajo coste por carácter
- Despliegue en local o en dispositivo cuando el audio no puede salir de la empresa
Puntos fuertes
- + Latencia y calidad líderes en rankings independientes
- + Precio de entrada muy bajo (Pro 5 $/mes con licencia comercial) y coste por minuto competitivo
- + 44 idiomas con español de España y México; despliegue en nube, local o dispositivo
- + Endpoints en la UE y retención cero para clientes Enterprise
Limitaciones
- − Herramienta para desarrolladores: sin estudio de creación comparable a ElevenLabs
- − Ink-2 solo transcribe inglés en versión estable; el español está en vista previa
- − Endpoint europeo reservado a Enterprise; solo facturación mensual visible
Precio de Cartesia
Tiene plan gratuito. Planes: Free 0 $ (20.000 créditos ≈ 27 min de voz, 2 conexiones TTS) · Pro 5 $/mes (100.000 créditos, licencia comercial, clonación instantánea) · Startup 49 $/mes (1,25 M créditos, clonación profesional, organizaciones) · Scale 299 $/mes (8 M créditos ≈ 10.667 min, soporte prioritario, alta concurrencia) · Enterprise a medida (volumen, endpoints regionales, SSO, DPA/BAA); agentes de voz 0,06 $/min + 0,014 $/min de telefonía. cartesia.ai/pricing y docs.cartesia.ai/pricing a 16/09/2026; TTS ≈1 crédito por carácter; Ink-2 3 créditos por segundo de audio; solo se muestra facturación mensual
ORO://veredicto de agencia
Cuándo la elegiríamos nosotros
La elegimos como voz de agentes telefónicos cuando el volumen de minutos hace que ElevenLabs salga caro; para locuciones de marca con dirección artística seguimos con ElevenLabs.
Preguntas frecuentes sobre Cartesia
¿Cartesia es gratis?
Sí, tiene plan gratuito. Planes: Free 0 $ (20.000 créditos ≈ 27 min de voz, 2 conexiones TTS) · Pro 5 $/mes (100.000 créditos, licencia comercial, clonación instantánea) · Startup 49 $/mes (1,25 M créditos, clonación profesional, organizaciones) · Scale 299 $/mes (8 M créditos ≈ 10.667 min, soporte prioritario, alta concurrencia) · Enterprise a medida (volumen, endpoints regionales, SSO, DPA/BAA); agentes de voz 0,06 $/min + 0,014 $/min de telefonía. cartesia.ai/pricing y docs.cartesia.ai/pricing a 16/09/2026; TTS ≈1 crédito por carácter; Ink-2 3 créditos por segundo de audio; solo se muestra facturación mensual
¿Cartesia funciona en español?
Sí. Cartesia funciona en español, tanto la interfaz como los resultados en la mayoría de casos.
¿Para quién es Cartesia?
Voz sintética y transcripción en streaming de latencia mínima (Sonic e Ink) sobre modelos de espacio de estados, con agentes gestionados; para desarrolladores. Nivel recomendado: avanzado. La elegimos como voz de agentes telefónicos cuando el volumen de minutos hace que ElevenLabs salga caro; para locuciones de marca con dirección artística seguimos con ElevenLabs.
Fuentes: cartesia.ai · docs.cartesia.ai · docs.cartesia.ai · cartesia.ai